一文搞定：Swin Transforme环境搭建

Swin Transforme 环境搭建

1. 摘要

本文主要对 Swin-Transformer-Object-Detection[1] 进行简要介绍，并考虑到其环境安装对新手而言是一个常见的挑战，因此本文实现了其对应的环境安装。

2. 介绍

Swin Transformer

Swin Transformer[2]是微软研究院2021年发表在ICCV上的一篇文章，已获得ICCV-2021-best-paper的荣誉称号。该论文一经发表就已在多项视觉任务中霸榜（如下图）。

3. 环境配置

Swin Transformer官网上的模型是在mmdetection[3]的基础上实现的。mmdetection是商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学开源的一个基于Pytorch实现的深度学习目标检测工具箱。因此想要使用Swin Transformer相关的模型，只需要配置mmdetection环境，在下载模型对应的配置文件即可。

mmdetection的安装，目前主要有以下两个官方网址：

1. https://github.com/open-mmlab/mmdetection/blob/master/docs/en/get_started.md
2. https://mmdetection.readthedocs.io/zh_CN/latest/get_started.html#id2（中文）

虽然按照上面官网的要求，一步步安装，可最后还是会出现许多问题，表明官网的步骤需要进行修改，因此下面的配置过程，是小编亲自实现的，经过验证。

首先对小编的配置环境是进行一个说明：

1. 主机系统：ubuntu18.04
2. 显卡：NVIDIA GeForce RTX 3080 Ti
3. 显卡驱动：NVIDIA-SMI 510.60.02
4. CUDA Version: 11.6
5. docker 镜像： jupyter/tensorflow-notebook ubuntu-20.04

下面就是小编在docker容器中对mmdetection进行环境配置的全过程。

3.1 pytorch安装

pytorch安装

Notes：这里的cudatoolkit-dev 和 pytorch 版本，建议小伙伴们在pytorch[4]官网进行选择（如下图），需要参考自己显卡驱动对应的CUDA版本，最后复制推荐的安装命令即可。（如果环境中没有nvcc的小伙伴，建议将cudatoolkit改为cudatoolkit-dev，否则后续可能报错）

pytorch 版本

3.2 mmcv安装

mmcv安装

-f 后面的链接，需要根据实际情况进行配置，上方是CUDA=11.3 和 pytorch=1.10 版本下安装的，如果小伙伴的环境有区别可以参照这个网站进行配置（如下图）：https://mmcv.readthedocs.io/en/latest/get_started/installation.html#

如果 CUDA=11.5 pytorch=1.11 对应的安装命令如下：

3.3 mmdet安装

• pip 安装 （与下面的源码编译，二选一即可）

pip 安装

• 源码编译

源码编译

3.4 apex安装（可选）

Nvidia Apex是由Nvidia公司维护的一套实用工具包，用于简化Pytorch的下游任务，大部分代码是由Torch底层组成。主要作用是：

• 自动混合精度（Auto Mix Precision）
• 分布式训练（Distributed Training）

apex安装

4. 环境验证

官网的环境验证代码，不会显示结果，因此下面的代码是小编修改过后的。

环境验证

• 结果

参考资料

[1]

Swin-Transformer-Object-Detection(Github): https://github.com/SwinTransformer/Swin-Transformer-Object-Detection

[2]

Swin Transformer 论文: https://arxiv.org/abs/2103.14030

[3]

mmdetection(Github): https://github.com/open-mmlab/mmdetection

[4]

Pytorch官网: https://pytorch.org/get-started/locally/