MMCV 1.6.0, MMDetection 2.25.0，MMFewShot のインストールと動作確認（画像分類，物体検出）（PyTorch，Python を使用）（Windows 上）

前準備

Git のインストール（Windows 上）

Windows での Git のインストール: 別ページ »で説明

【関連する外部ページ】

Git の公式ページ: https://git-scm.com/

Python のインストール（Windows 上）

Windows での Python 3.10，関連パッケージ，Python 開発環境のインストール: 別ページ »で説明

【サイト内の関連ページ】

Python のまとめ: 別ページ »にまとめ

【関連する外部ページ】

Python の公式ページ: https://www.python.org/

Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット，NVIDIA cuDNN のインストール（Windows 上）

Windows での Build Tools for Visual Studio 2022，NVIDIA ドライバ，NVIDIA CUDA ツールキット 11.8，NVIDIA cuDNN v8.6 のインストールと動作確認: 別ページ »で説明

【関連する外部ページ】

• Build Tools for Visual Studio 2022 （ビルドツール for Visual Studio 2022）の公式ダウンロードページ: https://visualstudio.microsoft.com/ja/visual-cpp-build-tools/
• NVIDIA ドライバのダウンロードの公式ページ: https://www.nvidia.co.jp/Download/index.aspx?lang=jp
• NVIDIA CUDA ツールキットのアーカイブの公式ページ: https://developer.nvidia.com/cuda-toolkit-archive
• NVIDIA cuDNN のダウンロードの公式ページ: https://developer.nvidia.com/cudnn
• winimage の ZLIB DLL の公開ページ: http://www.winimage.com/zLibDll/

PyTorch のインストール（Windows 上）

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. PyTorch のページを確認

   PyTorch のページ: https://pytorch.org/index.html

3. 次のようなコマンドを実行（実行するコマンドは，PyTorch のページの表示されるコマンドを使う）．

   次のコマンドは， PyTorch 2.0 （NVIDIA CUDA 11.8 用） をインストールする． 事前に NVIDIA CUDA のバージョンを確認しておくこと（ここでは，NVIDIA CUDA ツールキット 11.8 が前もってインストール済みであるとする）．

   python -m pip install -U pip
   python -m pip install -U torch torchvision torchaudio numpy numba --index-url https://download.pytorch.org/whl/cu118
   python -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
   

   （途中省略）
   

MMClassification, MMFewShot のインストール（Windows 上）

インストールの方法は複数ある． ここでは， NVIDIA CUDA ツールキットを使うことも考え， インストールしやすい方法として，ソースコードからビルドしてインストールする方法を案内している．

MMCV のインストール（Windows 上）

MMCV のインストールを行う．

インストールの方法は複数ある． ここでは， NVIDIA CUDA ツールキットを使うことも考え， インストールしやすい方法として，ソースコードからビルドしてインストールする方法を案内している．

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. PyTorch がインストールできていることを確認するために，PyTorch のバージョンを表示

   python -c "import torch; TORCH_VERSION = '.'.join(torch.__version__.split('.')[:2]); print(TORCH_VERSION)"
   

   
3. PyTorch が NVIDIA CUDA ツールキットを認識できていることを確認するために， PyTorch が認識しているNVIDIA CUDA ツールキット のバージョンを表示

   このとき，実際には 11.8 をインストールしているのに，「cu117」のように古いバージョンが表示されることがある．このような場合は，気にせずに続行する．

   python -c "import torch; CUDA_VERSION = torch.__version__.split('+')[-1]; print(CUDA_VERSION)"
   

   
4. MMCV 1.6.2 のインストール

   MMFewShot が MMCV 1.6.0 に依存している (2023/1)．

   https://mmcv.readthedocs.io/en/latest/get_started/installation.html に記載の手順による

   python -m pip install -U pip
   python -m pip install -U opencv-python
   python -m pip install mmcv-full==1.6.0
   

5. MMCV をインストールできたことの確認

   python -c "from mmcv.ops import get_compiling_cuda_version, get_compiler_version; print(get_compiling_cuda_version()); print(get_compiler_version())"
   

MIM，MMClassification, MMFewShot のインストール（Windows 上）

MIM, MMClassification， MMDetection， MMFewShot のインストールを行う．

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. MIM, MMClassification, MMDetection 2.25.0 のインストール

   MMFewShot が MMDetection 2.25.0 に依存している (2023/1)．

   https://github.com/open-mmlab/mmfewshot/blob/main/docs/en/install.md に記載の手順による．

   https://mmclassification.readthedocs.io/en/latest/getting_started.html#installation による．

   python -m pip install -U git+https://github.com/open-mmlab/mim.git
   python -m pip install -U git+https://github.com/open-mmlab/mmclassification.git
   python -m pip install -U mmdet==2.25.0
   python -c "import mmcls; print(mmcls.__version__)"
   python -c "import mmdet; print(mmdet.__version__)"
   

   （省略）
   

   
3. MMFewShot のインストール

   cd %HOMEPATH%
   rmdir /s /q mmfewshot
   git clone https://github.com/open-mmlab/mmfewshot.git
   cd mmfewshot
   python setup.py build
   python setup.py install
   python -c "import mmfewshot; print(mmfewshot.__version__)"
   

   （省略）
   

   

MMFewShot を用いた物体検出の実行（Windows 上）

セマンティック・セグメンテーション（ImageNet-1k, ResNet50 を使用）

1. Windows で，コマンドプロンプトを管理者として実行

   コマンドプロンプトを管理者として実行: 別ページ »で説明

2. 事前学習済みモデルのダウンロード

   次のコマンドを実行する．

   cd %HOMEPATH%\mmfewshot
   mkdir checkpoints
   cd checkpoints
   curl -O https://download.openmmlab.com/mmfewshot/detection/attention_rpn/coco/attention-rpn_r50_c4_4xb2_coco_base-training_20211102_003348-da28cdfd.pth
   

   
3. セマンティック・セグメンテーションを行う Python プログラム

   次の Python プログラムを実行する．Matplotlib を使うので，Jupyter QtConsole や Jupyter ノートブック (Jupyter Notebook) の利用が便利である．

   Python プログラムは，公式ページhttps://mmclassification.readthedocs.io/en/latest/get_started.html のものを書き換えて使用．

   下図では，Python プログラムの実行のため，jupyter qtconsole を使用している．

   import os
   from mmdet.apis import show_result_pyplot
   from mmfewshot.detection.apis import (inference_detector, init_detector, process_support_images)
   %matplotlib inline
   import matplotlib.pyplot as plt
   import torch
   import torchvision.models as models
   from IPython.display import display
   
   fconfig = 'configs/detection/attention_rpn/coco/attention-rpn_r50_c4_4xb2_coco_base-training.py'
   fcheckpoint = 'checkpoints/attention-rpn_r50_c4_4xb2_coco_base-training_20211102_003348-da28cdfd.pth'
   device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
   fsupport_images_dir = 'demo/demo_detection_images/support_images'
   
   model = init_detector(fconfig,fcheckpoint, device=device)
   
   files = os.listdir(fsupport_images_dir)
   support_images = [
       os.path.join(fsupport_images_dir, file) for file in files
   ]
   classes = [file.split('.')[0] for file in files]
   support_labels = [[file.split('.')[0]] for file in files]
   print("support_images")
   display(support_images)
   print("classes")
   display(classes)
   print("support_labels")
   display(support_labels)
   process_support_images(model, support_images, support_labels, classes=classes)
   
   # single image
   fimage = 'demo/demo_detection_images/query_images/demo_query.jpg'
   fscore_thr = 0.3
   result = inference_detector(model, fimage)
   show_result_pyplot(model, fimage, result, score_thr=fscore_thr)
   

   
   
4. 結果が表示される

   エラーメッセージが出ないことを確認．