安装¶
本文档提供了安装 MMPose 的相关步骤。
安装依赖包
准备环境
MMPose 的安装步骤
CPU 环境下的安装步骤
利用 Docker 镜像安装 MMPose
源码安装 MMPose
在多个 MMPose 版本下进行开发
安装依赖包¶
Linux (Windows 系统暂未有官方支持)
Python 3.6+
PyTorch 1.3+
CUDA 9.2+ (如果从源码编译 PyTorch,则可以兼容 CUDA 9.0 版本)
GCC 5+
mmcv 请安装最新版本的 mmcv-full
Numpy
cv2
json_tricks
可选项：
准备环境¶
a. 创建并激活 conda 虚拟环境，如：
conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab
b. 参考 官方文档 安装 PyTorch 和 torchvision ，如：
conda install pytorch torchvision -c pytorch
注：确保 CUDA 的编译版本和 CUDA 的运行版本相匹配。 用户可以参照 PyTorch 官网 对预编译包所支持的 CUDA 版本进行核对。
例 1：如果用户的 /usr/local/cuda 文件夹下已安装 CUDA 10.2 版本，并且想要安装 PyTorch 1.8.0 版本，
则需要安装 CUDA 10.2 下预编译的 PyTorch。
conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 -c pytorch
例 2：如果用户的 /usr/local/cuda 文件夹下已安装 CUDA 9.2 版本，并且想要安装 PyTorch 1.7.0 版本，
则需要安装 CUDA 9.2 下预编译的 PyTorch。
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=9.2 -c pytorch
如果 PyTorch 是由源码进行编译安装（而非直接下载预编译好的安装包），则可以使用更多的 CUDA 版本（如 9.0 版本）。
MMPose 的安装步骤¶
a. 安装最新版本的 mmcv-full。MMPose 推荐用户使用如下的命令安装预编译好的 mmcv。
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html
其中，命令里 url 的 {cu_version} 和 {torch_version} 变量需由用户进行指定。
例如，如果想要安装 CUDA 10.2 和 PyTorch 1.8.0 下的最新版 mmcv-full，可使用以下命令：
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.8.0/index.html
可查阅 这里 以参考不同版本的 MMCV 所兼容的 PyTorch 和 CUDA 版本。
另外，用户也可以通过使用以下命令从源码进行编译：
git clone https://github.com/open-mmlab/mmcv.git
cd mmcv
MMCV_WITH_OPS=1 pip install -e . # mmcv-full 包含一些 cuda 算子，执行该步骤会安装 mmcv-full（而非 mmcv）
# 或者使用 pip install -e . # 这个命令安装的 mmcv 将不包含 cuda ops，通常适配 CPU（无 GPU）环境
cd ..
注意：如果之前安装过 mmcv，那么需要先使用 pip uninstall mmcv 命令进行卸载。如果 mmcv 和 mmcv-full 同时被安装, 会报 ModuleNotFoundError 的错误。
b. 克隆 MMPose 库。
git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
c. 安装依赖包和 MMPose。
pip install -r requirements.txt
pip install -v -e . # or "python setup.py develop"
如果是在 macOS 环境安装 MMPose，则需使用如下命令：
CC=clang CXX=clang++ CFLAGS='-stdlib=libc++' pip install -e .
d. 安装其他可选依赖。
如果用户不需要做相关任务，这部分步骤可以选择跳过。
可选项：
注意：
在步骤 c 中，git commit 的 id 将会被写到版本号中，如 0.6.0+2e7045c。这个版本号也会被保存到训练好的模型中。 这里推荐用户每次在步骤 b 中对本地代码和 github 上的源码进行同步。如果 C++/CUDA 代码被修改，就必须进行这一步骤。
根据上述步骤，MMPose 就会以
dev模式被安装，任何本地的代码修改都会立刻生效，不需要再重新安装一遍（除非用户提交了 commits，并且想更新版本号）。如果用户想使用
opencv-python-headless而不是opencv-python，可再安装 MMCV 前安装opencv-python-headless。如果 mmcv 已经被安装，用户需要使用
pip uninstall mmcv命令进行卸载。如果 mmcv 和 mmcv-full 同时被安装, 会报ModuleNotFoundError的错误。一些依赖包是可选的。运行
python setup.py develop将只会安装运行代码所需的最小要求依赖包。 要想使用一些可选的依赖包，如smplx，用户需要通过pip install -r requirements/optional.txt进行安装， 或者通过调用pip（如pip install -v -e .[optional]，这里的[optional]可替换为all，tests，build或optional） 指定安装对应的依赖包，如pip install -v -e .[tests,build]。
源码安装 MMPose¶
这里提供了 conda 下安装 MMPose 并链接 COCO 数据集路径的完整脚本（假设 COCO 数据的路径在 $COCO_ROOT）。
conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab
# 安装最新的，使用默认版本的 CUDA 版本（一般为最新版本）预编译的 PyTorch 包
conda install -c pytorch pytorch torchvision -y
# 安装 mmcv-full。其中，命令里 url 的 ``{cu_version}`` 和 ``{torch_version}`` 变量需由用户进行指定。
# 可查阅 [这里](https://github.com/open-mmlab/mmcv#installation) 以参考不同版本的 MMCV 所兼容的 PyTorch 和 CUDA 版本。
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html
# 安装 mmpose
git clone git@github.com:open-mmlab/mmpose.git
cd mmpose
pip install -r requirements.txt
python setup.py develop
mkdir data
ln -s $COCO_ROOT data/coco
利用 Docker 镜像安装 MMPose¶
MMPose 提供一个 Dockerfile 用户创建 docker 镜像。
# 创建拥有 PyTorch 1.6.0, CUDA 10.1, CUDNN 7 配置的 docker 镜像.
docker build -f ./docker/Dockerfile --rm -t mmpose .
注意：用户需要确保已经安装了 nvidia-container-toolkit。
运行以下命令：
docker run --gpus all\
--shm-size=8g \
-it -v {DATA_DIR}:/mmpose/data mmpose
在多个 MMPose 版本下进行开发¶
MMPose 的训练和测试脚本已经修改了 PYTHONPATH 变量，以确保其能够运行当前目录下的 MMPose。
如果想要运行环境下默认的 MMPose，用户需要在训练和测试脚本中去除这一行：
PYTHONPATH="$(dirname $0)/..":$PYTHONPATH