windows 安装detectron2 ==0.5（过程记录） ————成功安装

windows 安装detectron2 （过程记录）

---

---

前言

detectron2按照网上的教程安装了许久后，终于成功安装！

---

一、参考文章

Windows11下安装detectron2超详细教程（免修改版本）（不用进行修改代码）

本机环境：
win10
cuda11.3

二、安装步骤

1.安装microsoft编译工具

1.1 安装Visual Studio 2019——MSVC编译环境，就不会有后续的报错。必须得安装VS2019编译环境才行！！！

2.安装pytorch

使用Anaconda3，创建一个python3.8环境，注意必须是3.8及以上，不然会有一个包需要的python版本不满足。

2.1打开Prompt，然后输入

conda create -n detectron2 python=3.8 -y

2.2激活环境

activate detectron2

2.3下载pytorchd的whl包

根据detectron2官网，cuda11.3版本安装torch1.10版本。

打开网站pytorch下载

ctrl+f：搜索cu113，找到cuda11.3对应的安装包。
选择cu113/torch-1.10.0%2Bcu113-cp38-cp38-win_amd64.whl、
cu113/torchaudio-0.10.0%2Bcu113-cp38-cp38-win_amd64.whl、
cu113/torchvision-0.11.0%2Bcu113-cp38-cp38-win_amd64.whl

在detectron2对应的环境，cd切换到whl文件的下载地址。
使用以下命令安装

pip install "torch-1.10.0+cu113-cp38-cp38-win_amd64.whl" "torchaudio-0.10.0+cu113-cp38-cp38-win_amd64.whl" "torchvision-0.
11.0+cu113-cp38-cp38-win_amd64.whl"

3.下载detectron2

3.1 安装pycocotools-windows，执行：

​ pip install pycocotools-windows

3.2 下载detectron2链接，免修改版detectron2

或者使用git下载

git clone https://gitcode.com/mirrors/ivanpp/detectron2.git

下载之后打开，在目录内有setup.py，运行。

​ pip install -e .

运行结果如下：

报错1：

‘ubprocess.CalledProcessError: Command ‘[‘ninja‘, ‘-v‘]‘ returned
nonzero exit state 1’

将setup.py代码最后一行，

cmdclass={“build_ext”: torch.utils.cpp_extension.BuildExtension},

改为：

cmdclass={"build_ext": torch.utils.cpp_extension.BuildExtension.with_options(use_ninja=False)},

修改后，重新运行，出现报错2：

error: command ‘C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\BIN\x86_amd64\cl.exe’ failed with exit code 2

安装了vs2019,没有出现这个错误，成功安装！！！

4.测试detectron

使用以下测试代码demo.py：

from detectron2.engine.defaults import DefaultPredictor
from detectron2.config import get_cfg
from detectron2.data import MetadataCatalog    # 元数据目录
from detectron2.utils.visualizer import Visualizer, ColorMode
from detectron2 import model_zoo    # 图像库

"""
总之，DataCatalog和MetadataCatalog两个类实现了torch.utils.data.Dataset的创建与具体数据集读取的分，
提供了使用字符串创建Dataset和DataLoader的方法。
"""

import cv2
import numpy as np


class Detector:
	"""
	定义检测器
	"""
	def __init__(self, model_type='OD'):
		self.cfg = get_cfg()    # 配置文件
		if model_type == 'OD':    # 目标检测模式
			self.cfg.merge_from_file(model_zoo.get_config_file(
				"COCO-Detection/faster_rcnn_R_101_FPN_3x.yaml"))    # coco图像库已经训练好的图像模型（Faster-RCNN；ResNet101）
			self.cfg.MODEL.WEIGHTS = model_zoo.get_checkpoint_url(    # 模型权重
				"COCO-Detection/faster_rcnn_R_101_FPN_3x.yaml")
		elif model_type == "IS":    # 实例分割模式
			self.cfg.merge_from_file(model_zoo.get_config_file(
				"COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml"))
			self.cfg.MODEL.WEIGHTS = model_zoo.get_checkpoint_url(
				"COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml")

		self.cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST = 0.7    # 分数阈值测试
		self.cfg.MODEL.DEVICE = 'cuda'    # 运算设备
		self.predictor = DefaultPredictor(self.cfg)    # 最基本的预测器

	def onImage(self, imagePath):
		image = cv2.imread(imagePath)    # 读取图像
		predictions = self.predictor(image)    # 预测（置信度，位置，类别）

		viz = Visualizer(image[:, :, ::-1],
						metadata=MetadataCatalog.get(self.cfg.DATASETS.TRAIN[0]),
						instance_mode=ColorMode.IMAGE_BW)    # 可视化工具

		output = viz.draw_instance_predictions(predictions["instances"].to('cpu'))    # 把 GPU 跑的数据结果放到 CPU

		cv2.imshow("Result", output.get_image()[:, :, ::-1])
		cv2.waitKey()

if __name__ == '__main__':
	detector = Detector(model_type='IS')	# 这里选择检测模式（'OD': 目标检测；'IS': 实例分割）
	detector.onImage('./test1.jpg')	# 这里放你的测试图片路径

运行过程中报错解决如：使用detectron2==0.5版本，遇到的问题汇总

运行后结果显示：

5.参考文档

1.windows 安装detectron2 ==0.5（过程记录） ————成功安装
2.Windows11下安装detectron2超详细教程（免修改版本）（不用进行修改代码）
3.detectron2官网

---

总结

最终解决方案：还是需要安装vs2019，自带的编译工具，能够顺利安装detectron2。