安装mmdet报错

安装成功后按顺序装mmcv mmdet mmengine即可。查看torch vision是否安装成功。用`pip list。

经查：执行mim install "mmcv>=2.0.0"时，执行了Successfully installed mmcv-2.2.0，而现在的mmdet3.3.0要求mmcv版本<2.2.0，所以报错。开始你的第一步 — MMDetection 3.3.0 文档。

解决措施是：使用压缩包安装mmdet框架，在执行setup之前，需要在setup第25行添加本机显卡对应的算力设置，否则CUDA算力在编译的时候没有匹配。Ge TITAN X 对应算力为52 | RTX 3090 3080 对应算力为86 | A100 对应算力为80。添加"-gencode=arch=compute_52,code=sm_52",添加"-gencode=arch=compute_86,code=sm_86",

只要输入以下代码就完成了。

记录一下自己在安装mmlab中的mmdet库遇到的问题,直接使用pip install mmdet报错如下:ERROR: Could not build wheels for pycocotools, which is required to install pyproject.toml-based projects

在安装mmrotate过程中报错。

显卡4060使用nvidia -smi 查看的驱动版本为12.3本地服务器的cuda版本为11.8虚拟环境中pytorch==2.1.0 cuda==11.8 python==3.8pytorch安装命令按照官方mmlab官方文档安装和如下图mmcv选择自己对应的torch和cuda版本安装mmdet我是使用mim命令。

DEBUG:无法安装mmdet包问题解决 问题 安装包失败 手动安装 解决 git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection pip install -r requirements/build.txt pip install -v -e . # or "python setup.py develop"

重新编译的后环境里的源文件没有修改，所以你才会报错。因此如果workers=2，那就会把一个相同的随机种子seed同时作用于两个samper，因此就会导致出现两个分支（进程），就会产生不同组的图做的随机操作完全一样的情况。sampers_per_gpu就是控制batch_size的，决定了dataloader一次从dataset里取几个样本（几张图），每张卡取多少sampers，总的batch_size要乘以你用的gpu显卡数目。你指定的类别（2种）与CocoDataset的类别（80种）不匹配。

mmdetection loss=Nan 或者device-side assert triggered错误 1.权重文件的版本问题 2.权重文件的head部分修改造成的 3.学习率太大

前言 本教程适合对象：已经根据mmdet官方教程亲自安装过一遍的同学。 在确定自己cuda、mmdet、mmcv版本匹配后，任然报一下编译不完全或奇怪的错误，可以通过重新安装mmdet 和 mmcv 解决，笔者已经遇到过多次并解决问题。 1.常见错误 问题1： 问题2： 等等 2.解决方法 1.卸载原来版本 # 卸载mmcv-full pip uninstall mmcv-full # 卸载mmdet pip uninstall mmdet 2.再次安装 # 先安装mm..

下载的文件.whl放在你现在页面最前面的地址里，我是C:\Users\Administrator\mmdetection。参考上面的，更改通道之后，还是找不到其中一个包，我就用pip下载了最新的版本，不知道能不能兼容。我们检测到最高支持cuda12.1版本，所以我们选择比这个版本低的cuda版本就可以。执行到这之后，输入python，import 包，验证上面都不对，崩溃了。参考上面作者的版本，下一个一样的版本，只是版本很低。先下载，安好了以后。前面都下的没问题，后面一直报错，红了一片。

。。。汗，搜狗輸入法出了什麼bug,我明明調成簡體但是他給我輸出繁體。 那我就先湊合着用吧。 會報錯： 1.發現沒有安裝git 於是重安git,問題解決了； 2.發現網連不上去，然後等到第二天，好了。 總的來說， mim install mmdet還是相當的好用。 ...