LITv2项目安装与配置指南

1. 项目基础介绍

LITv2是一个基于PyTorch的开源计算机视觉项目，主要针对图像分类、目标检测和语义分割任务进行了优化。该项目提出了一种新的注意力机制——HiLo Attention，旨在提高视觉变换器（Vision Transformers, ViT）的速度和效率。

2. 项目使用的关键技术和框架

• HiLo Attention: 该技术是LITv2的核心，它通过分离高频和低频信息来优化注意力机制，从而在保持性能的同时提高速度。
• PyTorch: 一个流行的开源机器学习库，用于该项目中模型的定义和训练。
• timm: 一个包含大量预训练模型和训练工具的库，用于图像分类任务。
• mmdet: 用于目标检测的框架，本项目使用它来训练和测试检测模型。
• NVIDIA apex: 用于优化GPU计算的性能。

3. 项目安装和配置的准备工作

在开始安装前，请确保您的系统满足以下要求：

• 操作系统：Linux
• Python版本：3.6或更高
• PyTorch版本：1.8.1或更高
• CUDA版本：11.1
• NVIDIA GPU：用于加速训练

详细安装步骤

1. 设置Python环境

   创建一个新的conda环境并激活它：

   conda create -n lit python=3.7
   conda activate lit
   

2. 安装PyTorch和相关库

   使用以下命令安装PyTorch、TorchVision、timm和其他依赖库：

   pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
   pip install timm
   pip install ninja
   pip install tensorboard
   

3. 安装NVIDIA apex

   克隆apex仓库并安装：

   git clone https://github.com/NVIDIA/apex
   cd apex
   pip install -v --disable-pip-version-check --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./cd ../
   rm -rf apex/
   

4. 构建Deformable Convolution

   进入mm_modules/DCN目录并构建：

   cd mm_modules/DCN
   python setup.py build install
   

5. 安装其他依赖

   继续安装项目所需的其余依赖库：

   pip install opencv-python==4.4.0.46 termcolor==1.1.0 yacs==0.1.8
   

完成以上步骤后，您的环境就已经准备好开始使用LITv2项目了。接下来，您可以按照项目README中提供的指南进行模型的训练和测试。