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