Detectron的安装以及解决方案

转载：https://blog.csdn.net/comway_Li/article/details/85163607

本博客介绍了如何安装Detectron，其依赖项（包括Caffe2）和COCO数据集。

安装前所需知道的知识：

a、Detectron运营商目前没有CPU实施; 需要GPU系统。

b、caffe2 已经集成到pytorch1.0中，所以框架我们直接安装pytorch即可。

c、Detectron已经过CUDA 8.0和cuDNN 6.0.21的广泛测试，不过cuda其他版本也是可以的，比如cuda9.

d、首先先保证已经安装了cuda与cudnn,若是没安装，先安装这些。

e、官方教程链接：https://github.com/facebookresearch/Detectron/blob/master/INSTALL.md

1、创建独立conda虚拟环境变量

conda create -n detectron  (detectron为虚拟环境的名字,名字随便取)

2、激活环境变量

source activate detectron

3、安装caffe2

安装依赖

sudo apt-get update
sudo apt-get install -y --no-install-recommends \
      build-essential \
      git \
      libgoogle-glog-dev \
      libgtest-dev \
      libiomp-dev \
      libleveldb-dev \
      liblmdb-dev \
      libopencv-dev \
      libopenmpi-dev \
      libsnappy-dev \
      libprotobuf-dev \
      openmpi-bin \
      openmpi-doc \
      protobuf-compiler \
      python-dev \
      python-pip                          
pip install --user \
      future \
      numpy \
      protobuf \
      typing \
      hypothesis

 然后继续：

# for Ubuntu 14.04
sudo apt-get install -y --no-install-recommends \
      libgflags2 \
      cmake3
# for Ubuntu 16.04
sudo apt-get install -y --no-install-recommends \
      libgflags-dev \
      cmake

因为caffe2已经集成到pytorch1.0中，所以直接安装pytorch:

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch   #如果配置了国内镜像源，就不需要加后面的-c pytorch

安装完成

注：若此处安装的时候出现solving enviroment failure,可以试试添加一些镜像源到anaconda里面去，

添加清华镜像源命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda info

4、测试是否安装成功

# To check if Caffe2 build was successful
python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"
 
# To check if Caffe2 GPU build was successful
# This must print a number > 0 in order to use Detectron
python -c 'from caffe2.python import workspace; print(workspace.NumCudaDevices())'

显示出结果为：Succes则成功，否则失败。

若为Failure，则：激活环境后，进入python编辑，输入：

from caffe2.python import core

看会出现什么问题。一般都是缺少python库，pip install 即可

5、安装其他依赖项

安装coco api

# COCOAPI=/path/to/clone/cocoapi
git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
cd $COCOAPI/PythonAPI
# Install into global site-packages
make install
# Alternatively, if you do not have permissions or prefer
# not to install the COCO API into global site-packages
python setup.py install --user

注：#号为注释，不用管。其中进行 git clone https://github.com/cocodataset/cocoapi.git $COCOAPI操作时，$COCOAPI是代指路径，注释中$COCOAPI路径我们可以随便改，你要把coco api安装到那个路径。这个路径随便用个路径就行。后面的$COCOAPI也是代指你要安装的路径。make all 命令的时候，会要下载一些东西，估计要等一会，不要着急，等待完成就好了。

出现问题：

a、在执行make install 时，出现gcc: error: pycocotools/_mask.c: 没有那个文件或目录
gcc: fatal error: no input files
compilation terminated.
error: command 'gcc' failed with exit status 1
Makefile:7: recipe for target 'install' failed

解决办法：

pip install cython

6、安装detectron

注：下面$DETECTRON是你要吧detectron安装到哪里的路径，可以随便制定，自己记住在哪就行。

a、克隆Detectron存储库：

# DETECTRON=/path/to/clone/detectron
git clone https://github.com/facebookresearch/detectron $DETECTRON

b、安装Python依赖项：

pip install -r $DETECTRON/requirements.txt

c、设置Python模块：

cd $DETECTRON && make

d、检查Detectron测试是否通过：

python $DETECTRON/detectron/tests/test_spatial_narrow_as_op.py

若是没出错，就会出现运行时间秒数。

 

至此，安装成功。

测试pytorc+cuda+cuDNN，pytorch的Gpu版本安装是否成功

import torch
print(torch.cuda.is_available())

返回结果是True，则PyTorch的GPU安装成功