Linux下基于Pytorch框架用HRNet提取骨架特征点+解决CUDA和Torch版本不匹配问题

软硬件环境：
python 3.6.5
Ubuntu 18.04 LTS
Pytorch 1.1.0
NVIDIA TITAN XP 8GB

准备工作

1. 到github把HRNet代码clone或downloads下来，具体链接：https://github.com/stefanopini/simple-HRNet
   clone代码： git clone https://github.com/stefanopini/simple-HRNet.git

2. 将所需包都安装下来：pip install -r requirements.txt
   这里注意一下！！requirements里面的torch版本是≥1.4.0，如果要安装，请检查自己的cuda是否与这样高版本的torch匹配。否则就不要安装，免得之后还要降版本。具体操作见最后 CUDA和Torch版本不匹配 这一章。
   

3. 下载预训练权重。 总共是下载三个，需要翻墙。不能翻的话，可以直接在这里下：
   pose_hrnet_w48_384x288.pth
   pose_hrnet_w32_256x256.pth
   pose_hrnet_w32_256x192.pth
   【如果愿意等待的话，可以私信或者留下评论，我看到后发给你们】

   之后新建一个文件夹“weights”，并将三个权重放到红圈的位置：
   

4. clone或者downloads YOLOv3：
   https://github.com/eriklindernoren/PyTorch-YOLOv3/tree/47b7c912877ca69db35b8af3a38d6522681b3bb3
   1）把下载下来的YOLOv3文件夹改名，改为yolo，方便此后的操作。
   2）按照上面的树状图，将yolo放到红圈的位置，此前已经有个空的yolo文件夹，直接删掉，用下载下来的YOLOv3文件夹代替即可。
   
   3）接着cd到该文件夹下，安装所需的包（图片与下面的代码不同，原因是我没直接把PyTorch-YOLOv3文件改名为yolo，而是在之后改的，这里早改晚改都可，按自己的想法就行）：

cd models/detectors/yolo
sudo pip3 install -r requirements.txt

4）将YOLOv3的权重保存到红圈位置：

5）cd 到 /weights下，bash download_weights.sh

运行Class Usage

1. 首先，在simple-HRNet-master文件夹下新建一个Python File

import cv2
import matplotlib.pyplot as plt
from SimpleHRNet import SimpleHRNet

model = SimpleHRNet(48, 17, "./weights/pose_hrnet_w48_384x288.pth")
image = cv2.imread("/home/user/Downloads/simple-HRNet-master/2.JPG", cv2.IMREAD_COLOR) #这里的文件路径和文件名根据自己要识别的图片来
joints = model.predict(image)
print(joints)

视频demo运行：

   1）首先下载一个视频，准备进行识别。（没有视频的也可以给我留言或者私信，看到了我会回复）
   2）进入live-demo.py页面，直接运行，出现报错，大致就是找不到utils.parse_config，解决办法：随着报错，找到/home/user/Downloads/simple-HRNet-master/models/detectors/yolo/models.py，将第9.10行，改为：

from .utils.parse_config import *
from .utils.utils import build_targets, to_cpu, non_max_suppression

3） 这一步比较重要，安装ffmpeg，打开终端：
这里，如果有同学总是出现有关ffmpeg没有‘ffprobe’这个属性之类的报错的话，就好好按照下面的安装流程安装ffmpeg，只要安装成功了，就不会报错。

pip install ffmpeg-python

安装成功的话：输入 ffmpeg -version，就能见到如下内容

如果还有报错，就尝试另一种办法：
先pip uninstall ffmpeg-python删去刚才下的ffmepg
接着，在终端：

sudo apt install ffmpeg

这样应该是能安装成功了

之后

python scripts/live-demo.py --filename xxx.mp4

xxx.mp4具体为自己保存视频的路径，如若需要保存视频，可以再加上--save_video参数
我是在网上找了一段跳舞视频，得到结果如下：

CUDA和Torch版本匹配出问题

上图暴露一个信息，此时在用CPU跑程序。并且nvidia-smi可以看到gpu根本没有运行，接下来就是解决不用gpu的问题。

我在终端进行如下操作：

ipython
import torch
torch.cuda.is_available()

然后又尝试运行自己另一个项目【这个项目是可以自动识别到CUDA】的，却得到如下结果：

“The NVIDIA Driver on your system is too old”。以上两个结果都证明，应该Torch和CUDA是版本匹配出问题了。
1）首先查看torch版本及其匹配的CUDA版本：

python
import torch
torch.__version__ #'1.5.0'
torch.version.cuda #'10.2'

2）再查看CUDA版本，

nvidia-smi

我的CUDA版本是10.0
3）降低Torch版本（可自己查一下CUDA与Torch版本匹配的关系）
i. 先卸载之前的torch

pip uninstall pytorch

ii. 安装Torch 1.1.0 版本（前提是已经下了安装包，在安装包所在目录打开终端进行安装）
需要安装包可留言或者评论，看到我会回复。

iii.检查

ipython
import torch
torch.cuda.is_available()

显示True就对了

最后：

说明成功了