MMDetection是一个工具，没有安装程序，只需转到Git上的克隆到服务器的克隆即可。
关联：
要通过MMDetection训练数据集，我们必须首先在服务器上创建虚拟环境
输入虚拟环境后，开始配置
CUDA，TORCH，TORCHVISION，MMCV的版本相应地相应
相应的表链接：
相应的表链接：
其中，Val2017和Train2017是验证和测试集的图片文件夹。instance_train2017.json and instances_val2017.json是训练集和验证集的标签文件（当然，您可以使用自己的名称并在代码中更改它，但是要更改的是更改。更多）
那么我们将拥有一个模型配置文件
首先查看目录，这是与每个模型相对应的参数。让我们尝试更改更宽松的。我们打开更快的_rcnn_r50_fpn.py
搜索num_classes并将类数更改为数据集数。由于背景+1，它不需要自动处理，因为MMDetection会自动处理它
修改中国相应的修改
然后修改与可可数据集对应的类，查找可可数据集以修改它
完成，然后我们用来生成相应的配置文件
- 工作dir是指定工作目录。一段时间后，将在此处生成配置文件。生成配置文件后，我们可以中断它，然后在工作目录中找到此配置文件。修改后，培训的数量，继续最后一个培训文件等。）您可以运行此配置文件
在此处列出我在配置中遇到的问题
Torch Cuda mmcv-full的版本必须对应，并且CUDA版本不得太低
它可能在PIP期间丢失，或者文件的修改过程是错误的。
这是我遇到的最困难的问题，我浪费了很多失踪。这是发生错误的主要原因：当前的CUDA版本不是10.1，缺乏必要的文件
我尝试了多种方法：
但是找到了这一点后，我仍然花了几个小时来解决这个问题，因为有很多方法可以切换CUDA版本和在线CUDA软链接。我每个尝试了，在1080、20180、3090中，在1080、20180、3090在服务器上进行了操作。
以下是另一个分类，记录了我使用的各种说明
3.1让我们谈谈最后的成功指导
输入命令：
（我在这里使用cuda7.5，我需要根据自己的版本损失）
添加了此路径。输入命令：NVCC -V检查是否成功添加了路径。这样，可以直接在终端上使用工具包。
3.2
查看哪个CUDA版本指向当前的CUDA软链接
4.但是当时它仍然显示（原始），因此我们检查了环境变量路径，命令：
5.发现的原因：因为（①）与路径中的（②）相比，因此将首先按路径的顺序找到NVCC -V命令，应在此文件夹中的NVCC中找到它。10.0版的cuda，所以我不会去其他地方，所以我找不到我们想要的cuda版本；
在路径中更改①和②的序列。
6。
3.3使用Update-Anternatives实施多个CUDA切换版本
然后使用命令语句：选择CUDA版本
检查是否成功
此错误意味着角色是错误的。您可以转到相应的文件以报告错误行。
最可能的情况是：您根本没有进入自己的虚拟环境。在基本环境中，基本环境中的Python2版本太低，无法运行一些Python3代码，因此在不兼容的地方报告错误，以报告不相容的位置中的错误。
为了确保每次运行trin.py文件时，您都必须在基本环境中输入自行构建的环境，而不是在基本环境中输入python版本，作为python2.people的旧版本，希望安装新的python的幻觉。
注意当前环境中的虚拟环境，指示：