windows下使用cpu进行mmsegmentation推理的环境配置

背景介绍：

        需要将之前在ubuntu系统基于GPU训练的模型，复制到windows系统下用cpu进行测试推理。

步骤如下： 1. 创建anconda虚拟环境

2. 使用conda安装pytorch-cpu以及对应的torchvision。这一步如果使用pip安装虽然快，但是后面会遇到提示缺少ninja，无法编译mmcv的问题。

3. 这一步最重要，检查是否在环境中配置了cl.exe的路径，并在cmd中输入cl，检查输出如下图所示。即使得到了这个输出如果在第4步仍然出现编译失败，多半都是因为这一步的问题。最直接的办法就是使用Visual Studio官方版本再安装或者修改一遍。

添加path：如我就是安装在D盘，所以我的路径是

D:EquipmentMicrosoft Visual Studio2019CommunityVCToolsMSVC14.29.30133binHostx64x64

一般来说默认路径会在C盘

C:Program Files (x86)Microsoft Visual Studio2019CommunityVCToolsMSVC14.29.30133binHostx64x64

 

4. 参考Build MMCV from source — mmcv 1.3.14 documentation 进行mmcv的安装：

注意事项：1> 由于我是之前在ubuntu上已经训练过mmsegmentation，因此我想要尽可能少的改动的情况下把模型迁移过来，所以我是直接复制我之前的已有的mmsegmentation代码，使用的版本是0.11.0，所以我需要下载的mmcv-full的版本应该是介于1.1.4和1.3.0之间的。最新的版本如果直接下载会导致不匹配报错提示。

我们下载mmcv的历史版本，选择相匹配的即可。下载后解压到本地，比如我的文件夹名为mmcv-1.2.7。Tags · open-mmlab/mmcv · GitHubOpenMMLab Computer Vision Foundation. Contribute to open-mmlab/mmcv development by creating an account on GitHub.https://github.com/open-mmlab/mmcv/tags?after=v1.3.5

从cmd进入到文件夹目录，并进入到我们新建的虚拟环境中，

(base) PS C:> cd D:codepythoncpummcv-1.2.7
(base) PS D:codepythoncpummcv-1.2.7> conda activate pytorch-cpu
(pytorch-cpu) PS D:codepythoncpummcv-1.2.7>

 参考选项2进行安装

也就是：a. 需要在系统环境变量中配置如下

 b. 运行 python setup.py build_ext 。这一步很重要，如果输出中出现错误，则根据提示进行修改检查，如果是关于cl.exe编译的问题的则参考第三步的操作。直到编译输出正常即可。

(pytorch-cpu) PS D:codepythonfuwu1yuyicpummcv-1.2.7> python setup.py build_ext

c. 执行剩下两个命令

# install
python setup.py develop
# check 检查是否成功，若成功则列表中会有mmcv-full
pip list

5. 切换到mmsegmentation路径

情况1：如果是之前未下载过mmsegmentation，执行以下。

git clone https://github.com/open-mmlab/mmsegmentation.git
cd mmsegmentation
pip install -e . 

情况2：也就是我这种，之前下载过，只用把自己的代码复制到某个位置，然后执行即可

cd mmsegmentation

pip install -e .

至此所有的环境配置就完成了。