Detectron2官方文档翻译（一）

最新推荐文章于 2024-05-20 20:26:39 发布

95caesar

最新推荐文章于 2024-05-20 20:26:39 发布

阅读量623

点赞数 1

文章标签： python 计算机视觉

原文链接：https://detectron2.readthedocs.io/en/latest/index.html

版权

开始学习使用Detectron2框架，对官方文档翻译

安装

要求

Linux 或者macOS 中python ≥ 3.6
Pytorch ≥ 1.7 ，torchvision与pytorch版本匹配安装，在https://pytorch.org/上下载安装（国内可以使用镜像地址，在pytorch上面下载whl文件，手动安装）
OpenCV可选，但是演示demo和数据可视化需要使用（就是直接装上）

（Pytorch镜像地址https://download.pytorch.org/whl/torch_stable.html）

从源生成detectron2

要求gcc和g++≥5.4。ninja可选，可用于快速安装。运行：

python -m pip install 'git+https://github.com/facebookresearch/detectron2.git'
# (add --user if you don't have permission)

# Or, to install it from a local clone:
git clone https://github.com/facebookresearch/detectron2.git
python -m pip install -e detectron2

# On macOS, you may need to prepend the above commands with a few environment variables:
CC=clang CXX=clang++ ARCHFLAGS="-arch x86_64" python -m pip install ...

在本地重建detectron2之前，使用rm -rf build/ **/*.so（linux系统删除文件的操作）清除以前建立的旧的项目。需要在重新安装了Pytorch之后需要rebuild detectron2项目。

在安装detectron2前需要安装的（只有Linux系统需要）

根据自己的系统环境选择以下的安装命令，这里是安装detectron2 V0.5（detectron2的release版本）的要求

# CUDA11.1
# torch1.9 
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu111/torch1.9/index.html  
# torch1.8
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu111/torch1.8/index.html

# CUDA11.0
# torch1.7
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu110/torch1.7/index.html

# CUDA10.2
# torch1.9
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu102/torch1.9/index.html
# torch1.8
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu102/torch1.8/index.html
# torch1.7
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu102/torch1.7/index.html

# CUDA10.1
# torch1.8
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu101/torch1.8/index.html
# torch1.7
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu101/torch1.7/index.html

# CUDA9.2
# torch1.7
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu92/torch1.7/index.html

# CPU
# torch1.9
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cpu/torch1.9/index.html
# torch1.8
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cpu/torch1.8/index.html
# torch1.7
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cpu/torch1.7/index.html

另外

安装构建CUDA与Pytorch必须要相匹配，就是Pytorch必须是官方发行的（国内镜像网站下载的也没问题，都是一样的），否则需要从源代码构建detectron2
每个几个月就会新发布一个released版本，因此发布的包可能不包含主分支里面最新的功能，并且可能与使用detectron2主分支的研究项目不兼容。

（这部分其实主要是当你选择release版本的detectron2时，它所需要的配置环境，当clone detectron2的源，也就是主分支代码时，需要的环境更复杂，但是可以根据自己的环境对detectron2进行编译）

常见安装问题

点击每个问题查看解决办法：

1、Undefined symbols that contains TH,aten,torch,caffe2.

经常发生在detectron2或者torchvision未使用你正在运行的Pytroch版本编译时。

如果是在预构建torchvision时发生错误，卸载torch vision和Pytorch，然后在https://pytorch.org/，这个网站上下载匹配的版本重新安装。（同样可以使用我前面提到的国内的镜像网站）

如果时发生在与构建detectron2时，检查release notes，卸载然后重新安装与Pytorch版本匹配的detectron2。

如果时在你从源代码手动构建detectron2或者torchvision时，移除你构建的文件（build/，**/*.so这两个文件，文件夹和.so文件）并重新构建，它会选择适合你系统环境的版本。

如果以上的指示没有解决这个问题，请提供你的环境信息，以便重置这个问题。

2、Missing torch dynamic libraries, OR segmentation fault immediately when using detectron2.

经常发生在detectron2或者torchvision未使用你正在运行的Pytroch版本编译时。与上一问题的解决方法一致

3、Undefined C++ symbols (e.g. GLIBCXX) or C++ symbols not found.

通常它是因为库在一个更新的C++编译器上编译，但是运行在一个旧的C++环境中

在旧版本的anaconda中经常发生，运行conda update libgcc命令可能有助于更新它的环境

基本的解决方法时避免使用错误的配置，或者使用编译的旧版本的编译器编译，或者在合适的C++运行环境中运行代码，如果想要在特定的C++运行环境中运行，可以使用环境变量LD_PRELOAD=/path/to/libstdc++.so

（这里就是把你系统中libstdc++.so的位置加到环境变量中）

4、“nvcc not found”或者“Not compiled with GPU support”或者“Detectron2 CUDA Complier：not avaiable”

当你构建detectron2时未找到CUDA，要先确认你的CUDA正确安装了，可以在python中导入，使用以下命令查看：

python -c 'import torch; from torch.utils.cpp_extension import CUDA_HOME; print(torch.cuda.is_available(), CUDA_HOME)'

（这个命令是查看系统中的CUDA是否可以被python程序使用，并输出CUDA_HOME）当输出(True, a directory with cuda)时，就可以构建detectron2。

大部分模型都可以在不支持GPU时进行推理过程，但不支持训练过程，如果要使用cpu，在config文件中设置MODEL.DEVICE=’cpu’

5、"invalid device function" 或者 "no kernel image is available for execution"

两种可能：

（1）你在一个版本的CUDA上构建detectron2，但是在另外的CUDA版本上运行。为了确认是不是这个原因，可以使用

python -m detectron2.utils.collect_env

命令来查看CUDA版本是否一致，通过这个命令的输出，你可以看到“Detectron2 CUDA Compiler”, “CUDA_HOME”, “PyTorch built with - CUDA”包含的CUDA库版本是一致的

当他们不一致时，你需要要么安装一个不同的pytorch版本以匹配你本地安装的CUDA，要么安装一个不同版本的CUDA来匹配pytorch版本。

（2）PyTorch/torchvision/Detectron2没用使用正确的GPU SM architecture进行构建（aka.显卡算力）

PyTorch/detectron2/torchvision可以使用的架构，可以在“architecture flags”中查看，可以在https://developer.nvidia.com/zh-cn/cuda-gpus网址中查看你的gpu算力，查看模型是否支持。

（如果上面的网站中，没有你的显卡型号，可以使用下面的命令进行查看，输出为（8，6），代表显卡算力为8.6）

如果你使用预先构建的detectron2/torchvision版本，它们已经支持在主流GPU上运行。如果不支持，那需要你通过源代码进行编译构建。

如果是从源代码构建detectron2，那么它只支持它检测到的GPU设备。这意味着编译的代码可能无法在不同的GPU设备上运行，需要重新在正确的环境中进行编译，移除所有安装、编译的文件，将环境变量TORCH_CUDA_ARCH_LIST设置为合适的值，然后重新构建项目。例如export TORCH_CUDA_ARCH_LIST="6.0;7.0"，使它同时适用于P100s和V100s。

（这里大概意思就是从源代码构建detectron2，那么构建的项目只能在你构建项目的环境下运行，如果复制到其它环境需要把编译文件删除重新构建。）

6、Undefined CUDA symbols; Cannot open libcudart.so

（这里与上一个问题的第1个解决办法是一样的，可以看上面的解决方法，官方文档在这里与上面的完全一样）

7、C++ compilation errors from NVCC / NVRTC, or "Unsupported gpu architecture"

一些可能的问题：

（1）你安装的Pytorch版本必须与电脑安装的CUDA版本匹配。它们都可以使用python collent_env.py命令查看。当它们不一致时，你需要要么安装一个不同的pytorch版本以匹配你本地安装的CUDA，要么安装一个不同版本的CUDA来匹配pytorch版本.

（2）本地安装的CUDA版本需要支持你的GPU算力，GPU的算力可以在nvidia中查到，通过cuda可以查看与CUDA匹配的显卡算力。如果你的nvcc版本太旧，可以通过设置环境变量TORCH_CUDA_ARCH_LIST，降低版本，来支持gpu算力。（最好就是下载合适的版本）

nvidia：https://developer.nvidia.com/zh-cn/cuda-gpus

cuda：https://gist.github.com/ax3l/9489132

（3）你使用的nvcc与gcc组合不兼容，需要改变它们其中之一的版本，可以通过下面的网址https://gist.github.com/ax3l/9489132，查看有效的组合。另外当CUDA≤10.1.105时，不支持gcc>7.3。

Pytorch使用的CUDA和gcc版本，可以通过print(torch.__config__.show())查看。

8、"ImportError: cannot import name '_C'"

请根据上面的指示安装detectron2。或者如果你在detectron2的根目录运行代码，cd到其他的路径，不然可能无法导入你安装的代码。（这里有可能时python环境不支持，或者编译出问题，我开始用python3.8编译就出现了这个问题，后来换了python3.6就可以了）

9、Any issue on windows

Detectron2可以部署在有CircleCI的windows上，目前没有提供官方的支持。欢迎支持拉取请求（PRs）兼容windows系统的代码

10、ONNX conversion segfault after some "TraceWarning"

ONNX包使用太旧的的编译器进行编译，从onnx的源代码进行编译安装，使用与Pytorch使用的版本接近的编译器（可以通过torch.__config__.show()命令查看，前面已经有展示了）

11、"library not found for -lstdc++" on older version of MacOS

在网址中，查看这个栈溢出的答案。

网址：https://stackoverflow.com/questions/56083725/macos-build-issues-lstdc-not-found-while-building-python-package

在特定的环境中安装

1、Colab：查看我们的Colab Tutorial，有详细的安装指导。

https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5

2、Docker：官方的Dockerfile安装detectron2只要几行简单的命令

https://github.com/facebookresearch/detectron/tree/master/docker

95caesar

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Detectron2官方文档翻译（一）

开始学习使用Detectron2框架，对官方文档翻译安装要求Linux 或者macOS 中python ≥3.6 Pytorch ≥1.7 ，torchvision与pytorch版本匹配安装，在https://pytorch.org/上下载安装（国内可以使用镜像地址，在pytorch上面下载whl文件，手动安装） OpenCV可选，但是演示demo和数据可视化需要使用（就是直接装上）（Pytorch镜像地址https://download.pytorch.org/whl/torch_..
复制链接

扫一扫