超详细整理Detectron2目标检测源码在Win10下的环境配置

时间  2020-12-01
标签 python git github shell ubuntu windows api 网络 框架 学习 栏目 Windows 繁體版
原文   原文链接

前言

有好多好多小伙伴都最近在问题主，深度学习为何那么少人在win下配置，也找不到详细的一篇从头讲到尾的保证成功的环境配置，这岂不是卡死一大片深度学习小白？python

不慌不慌，题主这一次超级详细超级基础的整理了Detectron2的环境配置，而且是在windows 10 下进行的，而且全部的代码都亲自跑过，彻底从0开始讲解配置，下面贴出题主的设备和系统。git

请各位谨记，完彻底全按照个人顺序来是没有问题滴~ 亲测！github

文中所涉及到的文件以及下载较慢的文件都放在网盘资源里，文末自取哦~shell

系 统：Windows10
所用电脑：联想拯救者Y7000P 2019
GPU型号：NVIDIA GeForce GTX 1660 Ti
安装所需：NVIDIA驱动 + CUDA + CuDNN
软件前需：Anaconda3+pycharm



ubuntu

第一部分、NVIDIA显卡驱动

  1. 显卡驱动
    NVIDIA驱动下载的网址为：
    https://www.nvidia.cn/Download/index.aspx?lang=cn
    以下图所示，从中选择本身电脑装载的GPU型号，以及电脑里的操做系统型号。
    NVIDIA驱动程序下载搜索并下载对应本身显卡驱动型号的驱动程序
    在这里插入图片描述顺着步骤完成安装便可（easy~）




    windows

  2. CUDAapi

成功安装完显卡驱动以后呢，就须要安装CUDA了。这里笼统的描述下CUDA和显卡驱动之间的关系。网络

CUDA：是Nvidia推出的只能用于自家GPU的并行计算框架。只有安装这个框架才可以进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。还有一个叫作cudnn，是针对深度卷积神经网络的加速库。框架

也就是CUDA创建在驱动之上，因此先装驱动嘛~学习

CUDA 下载网址为：
https://developer.nvidia.com/cuda-toolkit-archive
从中选择合适的型号下载。

对于咱们后续要使用的detectron2和Windows10系统而言，咱们这里考虑到后续与pytorch 的兼容，咱们这里选用的是 pytorch=1.6.0 cuda=10.1

这里有些小伙伴可能会有疑问，由于detectron2的官方标配应该是pytorch=1.4.0 ,cuda=10.0。

而题主发现实际上在windows10下，cuda10.0最高只支持pytorch 1.2.0 考虑到低版本可能出现问题，因此最终选择的detectron2在windows10下的配置是 pytorch=1.6.0 cuda=10.1

在这里插入图片描述
在网站中对应选择须要的CUDA版本号，咱们在这里选择的是10.1(没有update) 接着在win10下安装。

在这里插入图片描述
等待安装完成便可，到这里都不会有什么问题~

  1. cuDNN
    cuDNN下载安装为：
    https://developer.nvidia.com/rdp/cudnn-download
    须要先注册个帐号，而后免费下载。这里注意选择和本身的CUDA版本号相匹配的。


在这里插入图片描述
在这里插入图片描述
以后选择对应的win10，下载完成后能够看到以下图三个文件夹bin，include和lib

在这里插入图片描述
下载完成以后把 cuDNN 库压缩包里对应的bin，include，lib的文件放到NVIDIA GPU Computing Toolkit\CUDA\v10.1中进行文件夹替换

通常来讲找不到 NVIDIA GPU Computing Toolkit 的小伙伴能够去C盘 Program Files 找下

在这里插入图片描述
替换完成之后，打开win10 cmd窗口（windows键+R，而后输入cmd回车）

紧接着输入直接输入 nvcc -V便可确认CUDA是否安装成功，而且版本是否正确

在这里插入图片描述从上图咱们能够看到咱们所安装的CUDA的版本号，这样咱们的第一部分显卡驱动部分就大功告成了~

第二部分、Anaconda虚拟环境搭建

Anaconda对于环境库包的管理很是方便很适合深度这样复杂环境的配置。这里默认你们都已经安装好了Anaconda3，这个的安装十分方便官网下载，跟着步骤安装就能够完成，不会有任何问题~

仍是附一下Anaconda 的官网连接：
https://www.anaconda.com/products/individual
打开滑动到最下方下载对应系统的版本便可

  1. 虚拟环境建立
    Anaconda中虚拟环境的建立命令，注意这里咱们须要配置的python环境是3.6版本。一样的在安装完Anaconda3以后，直接按照以前的方法打开cmd窗口，输入如下指令：
conda create -n detectron2 python=3.6
# Anaconda 建立环境的通常命令
conda create -n your_name python=x.x

anaconda命令建立python版本为x.x，名字为your_name的虚拟环境。your_name文件能够在Anaconda安装目录envs文件下找到。

以后就会出现下图Package Plan界面
在这里插入图片描述
接着会让你安装python3.6相关依赖，输入y便可

在这里插入图片描述

继续等待其安装完成，直至出现以下界面，接着，咱们要激活咱们新建立的环境，由于咱们刚刚只是建立了，如今要予以激活，才能把咱们对应的库装入到咱们但愿配置的环境中去

在这里插入图片描述紧接着再输入

conda activate detectron2

在这里插入图片描述
在C盘以前出现detectron2的字样表明激活成功。这里必定要注意，每一次重启cmd都须要从新激活一次咱们的虚拟环境，千万不要踩坑了呐~有好多小伙伴觉得activate了一次就觉得是永久的了，在这里注意一下，并非永久的！！

咱们以后都是须要在虚拟环境里安装库的，否则都是白费呐！

  1. detectron2所需库的配置
    （1）首先咱们安装最基本的2个库numpy，matplotlib.这里就不过多赘述安装过程了。直接pip/conda install numpy matplotlib便可
    （2）安装opencv-python，这一步是由于题主后续是训练本身的数据集的因此须要图片的读入，若是不须要训练本身的数据集，opencv安装能够跳过哦~ 对于安装opencv-python这里题主推荐几种方法：
    方法1：直接pip install opencv-python通常来讲就能够成功，相对来讲下载比较缓慢，并且常常可能下载会断orz
    在这里插入图片描述



    方法二：在https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv下载对应的python版本和windows系统opencv的whl文件，这里咱们选择的是opencv_python-4.4.0-cp36-win_amd64.whl
    在这里插入图片描述
    下载完成后咱们把它放到桌面，以后继续在cmd窗口里进行操做。咱们在cmd窗口里输入cd desktop

    然后输入，注意这里仍是要在咱们构建的detectron2环境下安装哦，否则是无效的，若是不当心关闭了以前的cmd窗口，记得每开一次都要从新activate一下detectron2的环境。这里是个小坑，你们注意。

pip install opencv_python-4.4.0-cp36-win_amd64.whl

显示以下：
在这里插入图片描述
（3）安装pillow，cython库

pip install pillow cython

（4）Pytorch-gpu版 安装
首先进入pytorch官网 https://pytorch.org/
在这里插入图片描述
选择好对应的gpu版pytorch，有小伙伴可能在这里有疑问，为何不选conda而要选用pip，题主只能这么说，题主用conda总是装不上gpu版 torch，测试了几回，发现用pip相对来讲稳定一些，这里就回到了开题时候说的，pytorch=1.6.0，配合cuda=10.1经过题主后续的一系列测试，发如今detectron2上能够完美运行。因此小伙伴们能够放心大胆的进行配置~


固然啦，也不是说conda必定有问题，多是题主当时有问题~

在这里插入图片描述
直接在虚拟环境中输入相应的语句，等待其安装。

这里必定要注意，先安装对应版本的pytorch和torchvision，再去安装detectron2，由于每次安装完pytorch后，detectron2一般须要重装！！因此这里务必注意顺序！！！否则的话，很容易出现 "ImportError: cannot import name _C’"这个报错，若是出现这个报错，那么就须要从新安装一次detectron2，可是若是detectron2是在pytorch安装后安装就没有问题。

这里这个小坑能够注意一下！

安装完成以后咱们在cmd中输入python

python

import torch
torch.cuda.is_available()

exit()

若是提示True,那么恭喜你大功告成，pytorch-gpu版安装完成，以后输入exit（）退出python

在这里插入图片描述到这里一旦有显示True
那咱们的pytorch部分就配置完毕，gpu版得pytorch也大功告成~

（5）detectron2安装
在安装detectron2以前，还须要安装pycocotools，继续cmd，detectron2环境下继续安装：

pip install git+https://github.com/philferriere/cocoapi.git

这里不用原始源是由于原始源不支持windows因此这里放的是支持windows的github地址。

在这里各位小伙伴若是报错以下：

在这里插入图片描述
那么就是说git没有安装，以后咱们在cmd中先输入：

pip install git

若是这里pip也报错，那么就直接使用conda install git便可
以后继续运行pycocotools的安装语句，等待其完成，这里只要显示了Cloning通常不会失败，只有可能会掉网。

在这里插入图片描述
固然在这里也能够本身下载好对应网址的github，而后放在桌面，找到PythonAPI地址，以后输入

pip install -e.

千万不要漏了e后面的点！！！

在这里插入图片描述
Pycocotools安装完成后，继续在cmd窗口中输入

pip install git+https://github.com/facebookresearch/detectron2.git

安装detectron2（和安装pycocotools同样，能够直接pip或者是下载好到桌面以后找到setup.py所在pip install -e.）
在这里插入图片描述安装完成后，咱们在cmd窗口里输入conda list这时候看到列表里已经有咱们装好的detectron2的库
在这里插入图片描述这时候detectron2也大功告成了~

第三部分、Pycharm运行

紧接着咱们在pycharm中，把咱们新建立的环境添加到编译环境里。File-settings-Project：BDD_back
在这里插入图片描述
这里会先显示<No interpreter>，接着点右侧那个齿轮，选择Add…，跳出Add Python Interpreter以后选择Conda Environment，接着选择Existing environment
在这里插入图片描述


接着咱们把Interpteter展开选择咱们刚刚新创建的detectron2这一项

在这里插入图片描述
确认便可，至此pycharm配置完毕

而后运行咱们的训练程序，有以下输出：
在这里插入图片描述在这里插入图片描述

显然的咱们的所有环境配置完毕，能够在windows系统下快乐的利用gpu跑detectron2的模型了~而且还不会和原有的任何库冲突，是否是超级棒！

这里再放一张在ubuntu16.04下跑的测试图，看下效果，实际上windows训练完测试是同样的啦~只是懒得等了就放一下以前跑的图

在这里插入图片描述

在这里插入图片描述
效果仍是至关ok滴~

写在后面的话

写这篇文章的目的，更多的仍是但愿给更多的cv入门小白一个正确的合理的配置环境的顺序，题主本身电脑也是如此配置的，在写文章的以前还特地所有从新又装过一遍，发现都ok，没有什么问题，只要按照上面那个顺序执行，就必定不会有问题~

好啦，这一次的超详细整理就到这里了~

连接

百度网盘连接：
https://pan.baidu.com/s/10LaJdfisi9Vl4euOHOJ4Ng

提取码：40mr

在这里插入图片描述
盘里是直接给大家下载好的detectron2 和 windows10支持的pycocotools

若是你们喜欢这样超详细的整理 还请你们给点支持呐！

下一篇 打算详细的写一写如何构造本身的符合COCO的数据集，如何训练本身的数据集，题主这里是利用了如今较大的无人驾驶（BDD）的数据集进行训练的 有兴趣的小伙伴能够追下更新哦~

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程