服务器环境：CentOS7
一、CUDA和cudnn的安装：cuda：11.1
cudnn：8.0.4
参考博客：
https://blog.csdn.net/qq_40621476/article/details/125149676
创建虚拟环境并激活：
conda create -n swin python=3.8 conda activate swin
顺便记录一下一些conda的常用指令：
conda update -n base conda #update最新版本的conda conda update --all #update最新版本的conda conda create -n xxxx python=3.x #创建python3.x的xxxx虚拟环境 conda activate xxxx #激活虚拟环境 conda deactivate #退出虚拟环境 conda env list #显示所有的虚拟环境 conda info --envs #显示所有的虚拟环境 conda remove -n xx --all #删除指定的虚拟环境二、安装PyTorch（主要是torch和torchvision这两个包）：
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
验证pytorch的安装情况：
import torch print(torch.cuda.is_available())
返回True则为成功，返回False则要卸载重新安装。
关于我老卡在pytorch安装这一步，遇到各种各样的错误，我是真的会谢。。。最后干脆直接去下了两个轮子。。。网站：https://download.pytorch.org/whl/torch_stable.html，找对应cuda版本的torch和torchvision就好了，但还是记得验证一下。。。
三、补充其他安装包
pip install cython matplotlib opencv-python四、下载Swin Transformer源码
git clone https://github.com/SwinTransformer/Swin-Transformer-Object-Detection
进入Swin-Transformer-Object-Detection目录下，这一步意为用swin自带的mmdetection文件夹编译安装mmdet，执行：
pip install -r requirements.txt python setup.py develop五、mmcv-full安装
pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html六、编译安装apex
git clone https://github.com/NVIDIA/apex
进入apex目录下执行：
python setup.py develop
然后查看一下各个包的版本：
注：这里mmdet后面跟了一个路径，意为指向此目录下的mmdetection文件夹，如果是从源码编译，路径就是另外一个了，（我试过源码编译，老报错 :( ）
七、下载预训练模型八、测试验证
重新写个脚本吧，因为在linux系统上跑看不到可视化结果，所以干脆保存一下结果：
from mmdet.apis import init_detector, inference_detector config_file = 'configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_1x_coco.py' #配置文件路径 checkpoint_file = 'mask_rcnn_swin_tiny_patch4_window7_1x.pth' #权重文件路径 device = 'cuda:0' # init a detector model = init_detector(config_file, checkpoint_file, device=device) # inference the demo image img = 'demo/demo.jpg' result = inference_detector(model, 'demo/demo.jpg') model.show_result(img, result) model.show_result(img, result, out_file='demo/demo_result.jpg') # 保存推理图像
执行此脚本，去保存路径下看到会有一个demo_result.jpg，就是结果啦！
成功！
参考：
https://blog.csdn.net/yulizan9165/article/details/121702481
https://blog.csdn.net/qq_41964545/article/details/123140485
真的踩了好多坑·····报了好多错····成功的那一刻··哽咽了····
就酱
