【教你在30系显卡配置Swin-Transformer-Semantic-Segmentation(语义分割）环境】_swin transformer需要的显卡资源

30系显卡Swin-Transformer-Semantic-Segmentation(语义分割）环境配置：

`由于近期自己有模型训练的需求，选择了Swin-Transformer-Semantic-Segmentation做地物分类，因为初学，折腾了好几天终于把环境配好，现把自己的方法放在这里，避免大家踩坑

---

第一步，配置CUDA，下载pycharm，这就不再赘述了

如果大家是30系显卡，请安置cuda11.x，我这里安装的11.3，支持的torch多一些，网址：CUDA Toolkit 11.3 Downloads

然后安装cudnn，找到对应的cuda的版本cuDNN Archive的下载

详情可参照下博客
Windows端CUDA11.3+CUDNN+pytorch环境搭建

---

第二步：建立conda环境，安装pytorch和torchvision

打开Anaconda Prompt (Anaconda3)

conda create -n swin python=3.8
1

激活虚拟环境

conda activate swin
1

安装torch==1.9.0+cu111等

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
1

注：此版本配置是目前测试30系显卡不出问题的，不用担心你的cuda11.3安装的11.1是向下兼容的

安装matplotlib和opencv为安装mmcv做基础

pip install cython matplotlib opencv-python
1

---

第三步：安装mmcv

通过前期探索直接给代码

mmcv在win系统的更新最多到1.1.5，1.1.5之后至1.3.0之间的版本是没有的，而代码中的需求版本号是在1.1.4到1.3.0之间，直接暴力在mmseg_init_.py中修改一下MMCV_MAX=‘1.5.0’，本人尝试过，没问题

安装代码

pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html
1

安装mmcv请参考官方文档，对照下图这个表来，表中没有的好像就没有了

第四步：安装mmseg

pip install mmsegmentation -i https://pypi.tuna.tsinghua.edu.cn/simple
1

第五步：安装代码包中给出的requirements

这是在Swin-Transformer-Semantic-Segmentation-main目录下

注：readthedocs.txt不要运行，pip会主动安装最新版本，避免覆盖掉已下载的版本。下图的五个

依次输入命令

pip install -r requirements\docs.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -r requirements\optional.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -r requirements\runtime.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -r requirements\tests.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
1
2
3
4

最后再运行一下以下命令，确认一下所安装的包。

python setup.py develop
1

第六步：重装低版本yapf

避免在mmdetection上训练，报错： TypeError: FormatCode() got an unexpected keyword argument 'verify'

解决方法：重装低版本yapf即可

pip uninstall yapf
pip install yapf==0.40.1
1
2

以上就是关于环境的搭建了

第七步：测试

下载预训练模型

在代码的地址下方有预训练模型的下载链接

下载之后放入主目录下的weights文件夹下，如下图

将demo\image_demo.py修改如图所示

可以直接ctrl+cv大法，用这一块替换原来的部分

def main():
    parser = ArgumentParser()
    parser.add_argument('--img', default='demo.png', help='Image file')
    parser.add_argument('--config', default=r"..\configs\swin\upernet_swin_tiny_patch4_window7_512x512_160k_ade20k.py", help='Config file')
    parser.add_argument('--checkpoint', default=r"..\weights\upernet_swin_tiny_patch4_window7_512x512.pth", help='Checkpoint file')
    parser.add_argument(
        '--device', default='cuda:0', help='Device used for inference')
    parser.add_argument(
        '--palette',
        default='ade20k',
        help='Color palette used for segmentation map')
    args = parser.parse_args()
1
2
3
4
5
6
7
8
9
10
11
12

出现这张图代表一切关于环境的工作准备已经就绪了