MMClassification 是一款基于 PyTorch 的开源图像分类工具箱，是 OpenMMLab 项目的成员之一 主分支代码目前支持 PyTorch 1.5 以上的版本。 MMClassification包含了诸多经典或高性能图像分类算法，复现了最新的一些论文和成果，特别是包括了大量CVPR论文的复现。

1 项目地址

        项目地址：GitHub - open-mmlab/mmclassification: OpenMMLab Image Classification Toolbox and Benchmark

        安装指南：

        Prerequisites — MMClassification 0.23.1 documentation

        Getting Started — MMClassification 0.23.1 documentation

2 安装步骤

        mmclassification的安装步骤如下：

conda create -n openmmlab python=3.7 -y
conda activate openmmlab
pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
pip3 install openmim
mim install mmcv-full
git clone https://github.com/open-mmlab/mmclassification.git
#如果github连接不上，可用gittee替换。
#git clone https://gitee.com/monkeycc/mmclassification.git
cd mmclassification
pip install -v -e .

        其中，pytorch版本根据自身的cuda版本安装相应的版本即可。如果git无法使用，也可以用浏览器下载后解压。如果Github无法访问，可用gittee替换，即：https://gitee.com/monkeycc/mmclassification.git。

        安装过程提示如下图所示，最后会提示安装成功。

3 效果测试

        （1）下载预训练模型

        运行下面命令下载预训练模型：

mim download mmcls --config resnet50_8xb32_in1k --dest .

        运行完之后，在当前目录下会下载到两个文件，即resnet50_8xb32_in1k.py 和resnet50_8xb32_in1k_20210831-ea4938fc.pth。

        如果运行文件时，提示search.py抛出如下异常：

        TypeError: __init__() got an unexpected keyword argument 'autocompletion'

        造成这个错误的原因是click版本不匹配，可以按照下述命令重新安装更低版本的click。

 pip install click==7.1.2

       修复完上述错误后，search.py文件还会继续报如下错误：

        修改python环境中/lib/python3.7/site-packages/mim/commands/search.py文件，这个文件在抱错时也会提示357行抛出异常，错误提示如下所示：

  File "/root/anaconda3/envs/openmmlab/lib/python3.7/site-packages/mim/commands/search.py", line 169, in get_model_info
    dataframe = convert2df(metadata)
  File "/root/anaconda3/envs/openmmlab/lib/python3.7/site-packages/mim/commands/search.py", line 357, in convert2df
    for result in results:
TypeError: 'NoneType' object is not iterable

           解决方法是在357前增加if results is None: continue。如下所示：    

if results is None:
    continue
for result in results:

        （2）运行测试脚本

python demo/image_demo.py demo/demo.JPEG resnet50_8xb32_in1k.py resnet50_8xb32_in1k_20210831-ea4938fc.pth --device cpu

        运行完成之后，会在命令行输出如下内容：

 4 【python三维深度学习】python三维点云从基础到深度学习_Coding的叶子的博客-CSDN博客_python 三维点云

更多三维、二维感知算法和金融量化分析算法请关注“乐乐感知学堂”微信公众号，并将持续进行更新。