悠悠楠杉
网站页面
ubuntu安装mmdetection，Ubuntu安装docker
07/27
本文详细记录在Ubuntu系统中从零开始部署MMDetection目标检测框架的全过程，包含Anaconda环境配置、CUDA驱动适配、PyTorch版本选择等关键技术细节，并提供常见问题解决方案。
作为计算机视觉领域最具影响力的目标检测框架之一，MMDetection凭借其模块化设计和丰富的预训练模型，成为众多研究者和开发者的首选工具。本文将带您逐步完成在Ubuntu系统上的完整安装流程，过程中遇到的每个技术细节都会得到详细解释。
一、基础环境准备
1.1 系统要求检查
推荐使用Ubuntu 20.04 LTS或更新版本，首先更新系统包：
bash
sudo apt update && sudo apt upgrade -y
1.2 显卡驱动配置
通过以下命令验证NVIDIA驱动状态：
bash
nvidia-smi
若未安装驱动，建议使用官方推荐方式：
bash
sudo ubuntu-drivers autoinstall
二、Python环境搭建
2.1 Anaconda环境配置
使用Miniconda创建独立环境能有效避免依赖冲突：
bash
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
2.2 创建专用虚拟环境
bash
conda create -n mmdet python=3.8 -y
conda activate mmdet
三、关键依赖安装
3.1 PyTorch版本选择
根据CUDA版本选择对应PyTorch（以CUDA 11.3为例）：
bash
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113
3.2 MMCV定制安装
MMDetection对MMCV有严格版本要求：
bash
pip install -U openmim
mim install mmcv-full==1.7.1
四、MMDetection本体安装
4.1 源码下载与编译
推荐从官方仓库克隆最新代码：
bash
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .
4.2 验证安装结果
创建test.py文件：
python
from mmdet.apis import init_detector
print("MMDetection导入成功！")
运行无报错即表示核心功能正常。
五、常见问题解决方案
5.1 CUDA版本不匹配
若出现CUDA kernel failed错误，可通过重新安装对应版本MMCV解决：
bash
mim uninstall mmcv-full
pip install mmcv-full==1.7.1 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.12/index.html
5.2 显存不足处理
在config文件中修改：
python
data = dict(
samples_per_gpu=2, # 减少batch size
workers_per_gpu=2
)
六、进阶配置建议
多GPU训练支持：安装NCCL库提升分布式训练效率
bash sudo apt install libnccl2 libnccl-devDocker部署方案：对生产环境推荐使用官方镜像
bash docker pull mmdetection/mmdet
安装完成后，建议运行demo测试：
bash
python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
整个安装过程可能需要30-60分钟，具体时长取决于网络环境和硬件配置。建议在每一步执行后检查终端输出是否有警告信息，这往往能提前发现潜在的兼容性问题。如果遇到非常规错误，查阅MMDetection的GitHub Issues页面通常能找到解决方案。
