MMDetection，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）

Gitは，バージョン管理システム．ソースコードの管理や複数人での共同に役立つ．

【サイト内の関連ページ】

Windows での Git のインストール: 別ページ »で説明している．

【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）

【サイト内の関連ページ】

• 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 »で説明している．
• Windows での Anaconda3 のインストール: 別ページ »で説明している．
• Python のまとめ: 別ページ »にまとめている．

【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 11.8，NVIDIA cuDNN 8.6 のインストール（Windows 上）

【サイト内の関連ページ】

NVIDIA グラフィックスボードを搭載しているパソコンの場合には， NVIDIA ドライバ， NVIDIA CUDA ツールキット， NVIDIA cuDNN のインストールを行う．

• 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 »で説明している．

【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． 但し，Anaconda3を使いたい場合には別手順になる．

   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）．

   PyTorch で，GPU が動作している場合には，「torch.cuda.is_available()」により，True が表示される．

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

   

   Anaconda3を使いたい場合には， Anaconda プロンプト (Anaconda Prompt) を管理者として実行し， 次のコマンドを実行する． （PyTorch と NVIDIA CUDA との連携がうまくいかない可能性があるため，Anaconda3を使わないことも検討して欲しい）．

   conda install -y pytorch torchvision torchaudio pytorch-cuda=11.8 cudnn -c pytorch -c nvidia
   py -c "import torch; print(torch.__version__, torch.cuda.is_available())" 
   

   【サイト内の関連ページ】

   • Windows での PyTorch のインストール: 別ページ »で説明している．

   【関連する外部ページ】

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

MMDetection, 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．

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. MIM，MMDetection のインストール

   インストール手順は， https://mmdetection.readthedocs.io/en/latest/get_started.html による．

   「mim install -e .」でエラーメッセージが出たときは， 「mim install -e .」の代わりに「pip install -e .」を実行．

   python -m pip install -U --ignore-installed pip
   python -m pip uninstall -y openmim mmcv mmcv-full opencv-python opencv-python-headless
   python -m pip install -U openmim opencv-python
   cd %HOMEPATH%
   rmdir /s /q mmdetection
   git clone https://github.com/open-mmlab/mmdetection.git
   cd mmdetection
   mim uninstall -y mmdet
   pip install -r requirements.txt
   mim install -e .
   mim list
   

   （途中省略）
   
5. MMFewShot のインストール

   Python 3.7 もしくは 3.8 が必要である（2023年4月時点）

   cd %HOMEPATH%
   rmdir /s /q mmfewshot
   git clone https://github.com/open-mmlab/mmfewshot.git
   cd mmfewshot
   mim uninstall -y mmfewshot
   pip install -r requirements.txt
   mim install -e .
   mim list
   

   （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．

   下のプログラムは作成途中（動作未確認）

   import os
   from mmfewshot.detection.apis import (inference_detector, init_detector, process_support_images)
   
   os.chdir((os.getenv('HOMEPATH') + '\\' + 'mmfewshow'))
   config_file = 'configs/detection/attention_rpn/coco/attention-rpn_r50_c4_4xb2_coco_base-training.py'
   checkpoint_file = 'checkpoints/attention-rpn_r50_c4_4xb2_coco_base-training_20211102_003348-da28cdfd.pth'
   device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
   model = init_detector(config_file,checkpoint_file, device=device)
   
   fsupport_images_dir = 'demo/demo_detection_images/support_images'
   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
   img = 'demo/demo_detection_images/query_images/demo_query.jpg'
   fscore_thr = 0.3
   
   # https://mmdetection.readthedocs.io/en/v3.0.0/user_guides/inference.html
   from mmdet.registry import VISUALIZERS
   visualizer = VISUALIZERS.build(model.cfg.visualizer)
   visualizer.dataset_meta = model.dataset_meta
   
   result = inference_detector(model, img)
   image = mmcv.imconvert(mmcv.imread(img), 'bgr', 'rgb')
   visualizer.add_datasample('result', image, data_sample=result, show=False, draw_gt=False)
   mmcv.imshow(visualizer.get_image())