跳转至

安装

依赖

  • mindspore >= 2.3
  • numpy >= 1.17.0
  • pyyaml >= 5.3
  • openmpi 4.0.3 (分布式训练所需)

如需安装python相关库依赖，只需运行：

pip install -r requirements.txt

如需安装MindSpore，你可以通过遵循官方指引，在不同的硬件平台上获得最优的安装体验。 为了在分布式模式下运行，您还需要安装OpenMPI。

⚠️ 当前版本仅支持Ascend平台，GPU会在后续支持，敬请期待。

PyPI源安装

MindYOLO 现已发布为一个Python包并能够通过pip进行安装。我们推荐您在虚拟环境安装使用。 打开终端，输入以下指令来安装 MindYOLO:

pip install mindyolo

源码安装 (未经测试版本)

通过VSC安装

pip install git+https://github.com/mindspore-lab/mindyolo.git

通过本地src安装

由于本项目处于活跃开发阶段，如果您是开发者或者贡献者，请优先选择此安装方式。

MindYOLO 可以在由 GitHub 克隆仓库到本地文件夹后直接使用。 这对于想使用最新版本的开发者十分方便:

git clone https://github.com/mindspore-lab/mindyolo.git

在克隆到本地之后，推荐您使用"可编辑"模式进行安装，这有助于解决潜在的模块导入问题。

cd mindyolo
pip install -e .

我们提供了一个可选的 fast coco api 接口用于提升验证过程的速度。代码是以C++形式提供的，可以尝试用以下的命令进行安装 (此操作是可选的) :

cd mindyolo/csrc
sh build.sh

我们还提供了基于MindSpore Custom自定义算子 的GPU融合算子，用于提升训练过程的速度。代码采用C++和CUDA开发，位于examples/custom_gpu_op/路径下。您可参考示例脚本examples/custom_gpu_op/iou_loss_fused.py，修改mindyolo/models/losses/iou_loss.py的bbox_iou方法，在GPU训练过程中使用该特性。运行iou_loss_fused.py前，需要使用以下的命令，编译生成GPU融合算子运行所依赖的动态库 (此操作并非必需) :

bash examples/custom_gpu_op/fused_op/build.sh