回顾：细分、纵深、高端、上游、积累、极致。

回顾：资本化，规模化，国际化，大干快上，小农思维必死无疑。

春节在深圳新地中央，学习anomalib1.0。

一、安装：

1、常规安装

采用的是如下图的方式：

不过，后来运行时，还是提示如下：

还有很多东西需要安装啊.

那我又搞了一次：
 

pip install -e .[full]

增加的[full]什么意思呢？详见下面的图

2、 注意pytorch

我发现，

import torch
torch.cuda.is_available()

返回的结果是false。说明我的pytorch安装不成功。

我发现，根本原因是，anomalib要求的pytorch版本，2.1.2，必须要求cuda11.8以上。所以，

我重新安装cuda11.8和相应的cudnn。

并且重新安装下图版本的torch和torchvision

 

一直到 确认 

import torch
torch.cuda.is_available()

返回true。 

二、修改BUG

下图212行是我加的。没他就报错

三、train

在src文件夹下面，我搞了个mytrain.py文件。如下图： 

文件内容如下：

# Import the required modules
from anomalib.data import MVTec
from anomalib.models import Patchcore
from anomalib.engine import Engine


# 在主模块中执行代码
if __name__ == '__main__':
    # Initialize the datamodule, model and engine
    datamodule = MVTec()
    model = Patchcore()
    engine = Engine()

    # Train the model
    engine.fit(datamodule=datamodule, model=model)

 运行即可。

四、Infer

我把 .ckpt文件，拷贝到c盘根目录下，如下两图所示：

 

然后执行我的myinfer.py文件， 

# Import the required modules
from anomalib.data import MVTec
from anomalib.models import Patchcore
from anomalib.engine import Engine


# 在主模块中执行代码
if __name__ == '__main__':
    # Initialize the datamodule, model and engine
    datamodule = MVTec()
    model = Patchcore()
    engine = Engine()

    # Assuming the datamodule, model and engine is initialized from the previous step,
    # a prediction via a checkpoint file can be performed as follows:
    predictions = engine.predict(
        datamodule=datamodule,
        model=model,
        ckpt_path="c:\\checkpoint.ckpt",
    )
    print("fack")

 如果出现bug，请重新启动vscode试试。