caffe2及Detectron环境搭建

1.安装CUDA+CUDNN,这个可以参考笔者的上一篇博客

2.安装caffe2笔者试过三种方法

1)conda安装

如果没有gpu则直接运行 conda install -c caffe2 caffe2 即可
如果有gpu，根据自己所安装的cuda和cudnn版本执行命令，如果笔者为cuda9.0,cudnn7.0.5，则执行 conda install -c caffe2 caffe2-cuda9.0-cudnn7。但是笔者运行完之后会出现问题，会报编译caffe2时cudnn版本和运行caffe2时cudnn版本不一致的问题。所以笔者放弃了。

2)源码编译安装

各种问题报错，始终为解决（哭晕在厕所）

3)docker安装

①docker安装需要事先安装好docker和nvidia-docker（笔者稍后会写关于这两个安装的博客）
②在 https://github.com/facebookresearch/Detectron 中下载Detectron压缩包，下载之后直接解压
③使用 docker build -t caffe2_detectron_env /home/niechuan/DeepLearningModels/Detectron/docker 创建镜像，其中caffe2_detectron_env为你所指定的镜像名称，/home/niechuan/DeepLearningModels/Detectron/docker为镜像文件目录。
④经过长时间安装，终于可以测试啦。
⑤进入容器，执行命令，nvidia-smi run -it caffe2_detectron_env /bin/bash/,执行cd命令，一路进入到tests文件夹内，执行 python test_zero_even_op.py，如果没有报错，那就是成功啦，如果报错了，笔者也没法，不过可以发上来讨论一下（哈哈）

4)有些同学可能觉得终端使用太麻烦，还是觉得在IDE中方便，笔者使用的为pycharm IDE，关于pycharm如何安装和破解，笔者可能会写博客，也可能不写（网上太多了，哈哈）。

在pycharm中创建项目之后，file–>settings–>project–>project interpreter,右侧有个小的设置按钮，点击之后选择add，然后点击左侧的docker，就可以设置环境了。你以为可以高兴的使用了？no no no！，很多同学可能会存在import caffe2出现no model named caffe2的问题，这里可以点击开pycharm/bin/pycharm.sh文件，在底部加入

export LD_LIBRARY_PATH=/usr/local/caffe2_build/lib:$LD_LIBRARY_PATH

export PYTHONPATH=/usr/local/caffe2_build:$PYTHONPATH

这里的路径可以在之前的Dockerfile中查看，现在终于高兴的使用了？不存在的，有可能还会报错的，笔者这里没截图，不记得具体的了，但是你可以尝试使用进入之前的docker容器，执行pip install pydot ，然后commit保存更改的内容，在pycharm中使用新的docker环境即可，终于可以开心的使用啦。（纯手打，如有错误，请谅解）