ms rcnn问题记录，关于pytorch，numpy和一些配置

maskscoring_rcnn问题记录

最近试用了maskscoring_rcnn，效果不错的说，不过安装确实是坑比较多，感觉做的项目不够工程化，很多还需要深入文件里面进行修改，而且适配起来挺麻烦的。
maskscoring_rcnn 代码地址：https://github.com/zjhuang22/maskscoring_rcnn
maskrcnn-benchmark 代码地址：https://github.com/facebookresearch/maskrcnn-benchmark

先说下我使用的配置：
cuda9,torch1.0.0

(e36) $ cat /usr/local/cuda/version.txt
CUDA Version 9.0.176
(e36) $ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 4

安装步骤最主要的就两条：

pip install ninja yacs cython matplotlib pyqt5
conda install pytorch-nightly torchvision=0.2.1 cudatoolkit=9.0 -c pytorch

问题一：torch下载缓慢

把torch安装命令的“-c pytorch"去掉，配置清华源或阿里等源即可，配置方法这里就不放了，网上很多

问题二：undefined symbol: _ZN3c1019ComplexCUDATensorIdEv

这个问题我搜了很多，网上都没有，所以单独写一个。
结论：torch版本问题！
你是不是还在安装pytorch1.1.0？然后看别人说torchvision0.2.1？balabala一堆貌似挺有道理。但是经过实践，cuda9是需要的，torchvision0.2.1也是需要的，可是torch不一定是1.1.0，反正我用的torch是1.0.0！！！不用怀疑，就是这样子，1.1.0我这就报错。

问题三：from pip._vendor.progress import HIDE_CURSOR, SHOW_CURSOR ImportError: cannot import name ‘HIDE_CURSOR’

这个不太确定，应该是我环境没有装完全，在执行pip install那条时安装了pyqt5这个东西，装完就好使了。

问题四：ValueError: numpy.ufunc size changed, may indicate binary incompatibility. Expected 216 from C header, got 192 from PyObject

numpy版本问题，升级吧，试过1.14.5等别的版本，最后我用的1.17.4。

pip install --upgrade numpy

另外可能是coco的问题，报错大体如下：

。。。。。。	pycocotools._mask 
ValueError: numpy.ufunc size changed, may indicate binary incompatibility. Expected 216 from C header, got 192 from PyObject

找到下载好的coco-master

cd coco-master/PythonAPI/
python setup.py build_ext install

问题五：ImportError: cannot import name ‘_download_url_to_file’

找到 maskrcnn_benchmark/utils/model_zool.py

from torch.utils.model_zoo import _download_url_to_file
from torch.utils.model_zoo import urlparse
from torch.utils.model_zoo import HASH_REGEX

修改为

from torch.hub import _download_url_to_file
from torch.hub import urlparse
from torch.utils.model_zoo import HASH_REGEX
# 如果是torch1.1.0则这个地方也需要修改成下面的
# from torch.hub import HASH_REGEX

参考文档

Mask Scoring RCNN训练自己的数据