【SAM2分割万物—本地部署：实时分割图像、视频】OSError：未设置环境变量CUDA_HOME。请将其设置为您的 CUDA 安装根目录。

参考：segment-anything-2 github

支持box、点输入、mask输入指导SAM2来试试分割视频、图像

1.配置SAM2

注意：需要 python>=3.10，以及 torch>=2.3.1 和 torchvision>=0.18.1。

• 建议为此安装创建一个新的 Python 环境，并按照 https://pytorch.org/ 通过
  pip 安装 PyTorch 2.3.1（或更高版本）。如果当前环境中的 PyTorch 版本低于 2.3.1，则上述安装命令将尝试使用 pip 将其升级到最新的 PyTorch 版本。

您可以使用以下方法在 GPU 计算机上安装 SAM 2：

git clone https://github.com/facebookresearch/segment-anything-2.git
cd segment-anything-2
pip install -e .

要使用 SAM 2 预测器并运行示例笔记本，需要 jupyter 和 matplotlib，可以通过以下方式进行安装：

pip install -e ".[demo]"

2.可能在pip install -e .时报错

raise OSError('CUDA_HOME environment variable is not set. '
OSError: CUDA_HOME environment variable is not set. Please set it to your CUDA install root.
[end of output]

2.1.方法--no-build-isolation

下面是我使用的方法在 Windows 11 上。

• 首先，下载cuda12.4（12.1也完全没有问题）

• 然后：
  在系统环境变量中添加一个新条目，名称为CUDA_HOME，值为 C：\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4;

• 最后：

cd \segment-anything-2
conda create -n sam2 python=3.10

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

pip install --no-build-isolation -e .
pip install --no-build-isolation -e ".[demo]"

2.2.原因

pip install --no-build-isolation -e . 和 pip install --no-build-isolation -e ".[demo]" 是安装Python包的命令。这两个命令的作用和参数如下：

--no-build-isolation: 这个选项告诉pip在安装过程中不使用隔离的构建环境。默认情况下，pip会创建一个临时的虚拟环境来安装包的构建依赖，然后在这个环境中进行构建。使用--no-build-isolation选项可以使pip直接使用当前环境中的构建依赖。这在某些情况下（例如需要与当前环境中的特定版本的依赖进行交互）是有用的，但也可能导致一些依赖冲突或环境污染的问题。

为什么要使用–no-build-isolation？

1. 避免重复安装依赖：如果你已经在当前环境中安装了所有必要的依赖，并且不希望pip在构建过程中重新下载和安装这些依赖，那么使用--no-build-isolation可以节省时间和资源。
2. 调试构建问题：有时，使用隔离环境可能会掩盖一些依赖或环境配置的问题。在这种情况下，禁用隔离环境可以帮助你更好地调试和解决这些问题。
3. 与现有环境更好地集成：在一些复杂的开发环境中，可能需要与当前环境中的特定依赖版本进行交互。在这种情况下，使用--no-build-isolation可以确保构建过程使用当前环境中的依赖。

总结
使用–no-build-isolation可以避免重复安装依赖、帮助调试构建问题，并确保构建过程与现有环境更好地集成。

3.开始

下载检查点
首先，我们需要下载一个模型检查点。所有模型检查点都可以通过运行以下命令来下载：

cd checkpoints
./download_ckpts.sh

或单独下载：
sam2_hiera_tiny.pt
sam2_hiera_small.pt
sam2_hiera_base_plus.pt
sam2_hiera_large.pt

然后，SAM 2 可以分几行用于图像和视频预测，如下所示。

请参阅 image_predictor_example.ipynb 中的示例，了解静态图像用例。

有关如何在视频中添加提示、进行细化和跟踪多个对象的详细信息，请参阅 video_predictor_example.ipynb 中的示例。