依赖¶

Linux | macOS | Windows
Python 3.6+
PyTorch 1.3+
CUDA 9.2+ (如果您从源代码构建 PyTorch, 那么 CUDA9.0也是兼容的)
GCC 5+
MMCV
MMDetection

兼容的 MMTracking，MMCV 和 MMDetection 版本如下，请安装正确的版本以避免安装问题。

MMTracking version	MMCV version	MMDetection version
master	mmcv-full>=1.3.17, \<2.0.0	MMDetection>=2.19.1, \<3.0.0
0.14.0	mmcv-full>=1.3.17, \<2.0.0	MMDetection>=2.19.1, \<3.0.0
0.13.0	mmcv-full>=1.3.17, \<1.6.0	MMDetection>=2.19.1, \<3.0.0
0.12.0	mmcv-full>=1.3.17, \<1.5.0	MMDetection>=2.19.1, \<3.0.0
0.11.0	mmcv-full>=1.3.17, \<1.5.0	MMDetection>=2.19.1, \<3.0.0
0.10.0	mmcv-full>=1.3.17, \<1.5.0	MMDetection>=2.19.1, \<3.0.0
0.9.0	mmcv-full>=1.3.17, \<1.5.0	MMDetection>=2.19.1, \<3.0.0
0.8.0	mmcv-full>=1.3.8, \<1.4.0	MMDetection>=2.14.0, \<3.0.0
0.7.0	mmcv-full>=1.3.8, \<1.4.0	MMDetection>=2.14.0, \<3.0.0
0.6.0	mmcv-full>=1.3.8, \<1.4.0	MMDetection>=2.14.0, \<3.0.0

安装¶

详细说明¶

创建一个 conda 虚拟环境并激活它：

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

按照 PyTorch 官网安装 PyTorch 和 torchvision，例如：
```
conda install pytorch torchvision -c pytorch
```
注意：请确保 CUDA 编译版本和运行版本匹配。可以在 PyTorch 官网查看预编译包所支持的 CUDA 版本。

例 1 例如在 /usr/local/cuda 安装了 CUDA 10.1，并想安装 PyTorch 1.5，则需要安装支持 CUDA 10.1 的预构建 PyTorch：
```
conda install pytorch==1.5 cudatoolkit=10.1 torchvision -c pytorch
```
例 2 例如在 /usr/local/cuda 安装了 CUDA 9.2，并想安装 PyTorch 1.3.1，则需要安装支持 CUDA 9.2 的预构建 PyTorch：
```
conda install pytorch=1.3.1 cudatoolkit=9.2 torchvision=0.4.2 -c pytorch
```
如果不是安装预构建的包，而是从源码中构建 PyTorch，则可以使用更多的 CUDA 版本，例如 CUDA 9.0。
为 VOT 数据集测试评估安装额外库（可选）

如果您想要在 VOT Challenge 上进行评估，请在安装 mmcv 与 mmdetection 之前安装 vot-toolkit ，以避免可能出现的一些依赖间的 numpy 版本要求冲突。
```
pip install git+https://github.com/votchallenge/toolkit.git
```

安装 mmcv-full，我们推荐您安装以下预构建包：

# pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.10.0/index.html

PyTorch 在 1.x.0 和 1.x.1 之间通常是兼容的，故 mmcv-full 只提供 1.x.0 的编译包。如果你的 PyTorch 版本是 1.x.1，你可以放心地安装在 1.x.0 版本编译的 mmcv-full。

# 我们可以忽略 PyTorch 的小版本号
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.10/index.html

请参阅 MMCV 了解不同版本的 MMCV 与不同版本的 PyTorch 和 CUDA 的兼容情况。同时，您可以使用以下命令从源码编译 MMCV：

git clone https://github.com/open-mmlab/mmcv.git
cd mmcv
MMCV_WITH_OPS=1 pip install -e .  # package mmcv-full will be installed after this step
cd ..

安装 MMDetection：

pip install mmdet

如果您想修改代码，也可以从源码构建 MMDetection：

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements/build.txt
pip install -v -e .  # or "python setup.py develop"

将 MMTracking 仓库克隆到本地：

git clone https://github.com/open-mmlab/mmtracking.git
cd mmtracking

首先安装依赖，然后安装 MMTracking：

pip install -r requirements/build.txt
pip install -v -e .  # or "python setup.py develop"

安装额外的依赖：

为 MOTChallenge 评估：

pip install git+https://github.com/JonathonLuiten/TrackEval.git

为 LVIS 评估：

pip install git+https://github.com/lvis-dataset/lvis-api.git

为 TAO 评估：

pip install git+https://github.com/TAO-Dataset/tao.git

注意：

(1) 按照上述说明，MMTracking 将以 dev 模式安装，因此在本地对代码做的任何修改都会生效，无需重新安装；

(2) 如果希望使用 opencv-python-headless 而不是 opencv-python，可以在安装 MMCV 之前安装；

从零开始设置脚本¶

假设当前已经成功安装 CUDA 10.1，这里提供了一个完整的基于 conda 安装 MMTracking 的脚本：

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch -y

pip install git+https://github.com/votchallenge/toolkit.git（可选）

# 安装最新版本的 mmcv
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.6.0/index.html

# 安装 mmdetection
pip install mmdet

# 安装 mmtracking
git clone https://github.com/open-mmlab/mmtracking.git
cd mmtracking
pip install -r requirements/build.txt
pip install -v -e .
pip install git+https://github.com/JonathonLuiten/TrackEval.git
pip install git+https://github.com/lvis-dataset/lvis-api.git
pip install git+https://github.com/TAO-Dataset/tao.git

使用多个 MMTracking 版本进行开发¶

训练和测试脚本已经在 PYTHONPATH 中进行了修改，以确保脚本使用当前目录中的 MMTracking。

要使用环境中默认安装的 MMTracking 而不是当前正在使用的版本，可以删除出现在相关脚本中的代码：

PYTHONPATH="$(dirname $0)/..":$PYTHONPATH

验证¶

为了验证是否正确安装了 MMTracking 和所需的环境，我们可以运行 MOT、VID、SOT 的示例脚本。

运行 MOT 演示脚本您可以看到输出一个命名为 mot.mp4 的视频文件：

python demo/demo_mot_vis.py configs/mot/deepsort/sort_faster-rcnn_fpn_4e_mot17-private.py --input demo/demo.mp4 --output mot.mp4