【目标跟踪】pysot调试运行记录 [Windows系统]

这里主要是针对Windows 10 系统进行配置说明，需要注意使用这个程序，电脑上必须要有GPU，只有CPU是不可行的，因为目标跟踪计算量比较大，所以需要GPU进行并行的运算。那么怎么开始呢？

首先明确一点，其实Windows和Linuxs就是两种操作系统，国内可能使用Windows较多，但是Github的代码的配置一般是在Linux环境下，主要是因为深度学习的代码需要大规模的计算设备，这些设备一般使用Linux进行管理的，所以很多时候我们看到的都是Linux的操作，其实两者比较我，我们用习惯的Windows更好用些，配置过程其实也是类似的，不过就是同样的程序运行在不同的系统上。

1 查看电脑GPU版本

1.1 打开控制面板

1.2 双击打开“NVIDIA 控制面板”。

在NVIDIA控制面板中点击菜单栏中的小房子图标，进入主界面，可以看到GPU版本与驱动版本。如下图所示。

1.3 在菜单栏中选择“帮助”–>“系统信息” ，进入“系统信息”界面，如下图所示，在“系统信息”界面同样可以看到GPU型号与驱动版本。

1.4 在这里可以看到GPU的驱动程序，这里的驱动版本是和后来的CUDA驱动版本是对应的，所以一定要确认这个显卡驱动版本。

1.5 在“系统信息”界面中选择 “组件”–>" NVDUCA.DLL ",可以查看CUDA 版本，如图所示的就为CUDA版本是10.1

【这里注意】显卡驱动版本和CUDA版本的对应关系要参靠NVIDIA官网点击查看 红色为你的电脑GPU驱动版本，蓝色为对应的CUDA版本 一定要按要求进行选择CUDA版本，否则会有异常

当你的电脑显卡驱动版本比较低时，你可以参看网上的内容自行安装显卡驱动 也可以采用一种便捷的方式，下载驱动精灵，直接进行显卡驱动更新，就可以更新到一个比较新的版本了，过程很快，装完后，进行重启电脑就行了，总之Windows下显卡驱动，GPU驱动的安装较Linux都简单很多。

2. 这里假设你的硬件环境都配置好了，那么就可以开始配置Pysot了。其实是和Linux下类似的。

2.1 首先到github下载Pysot的项目

点击进入

2.2 进行环境配置，这里你需要首先装好Anaconda 3,进入命令行，开始配置

创建虚拟环境 激活该虚拟环境
conda create --name pysot python=3.7
conda activate pysot # 这个命令是进入刚才创建的pysot的虚拟环境

2.3 安装 numpy/pytorch/opencv

conda install numpy
conda install pytorch=0.4.1 torchvision cuda90 -c pytorch 
pip install opencv-python

这里需要注意PySot使用的是pytorch0.4.1至少官网是这样，
所以我们也应该尽量安装pytorch 0.4.1 cuda90指的是CUDA9.0的版本，
当然你也可以使用CUDA9.2这个是我亲测有效的，
怎么查看CUDA的安装命令?[进入链接](https://pytorch.org/get-started/previous-versions/)

在以上那个链接里我们可以去选择合适的Pytorch以及和我们CUDA版本对应的

可以看到 Pytorch 0.4.1对应的有 CUDA90和CUDA92以及其他版本，这里只用CUDA92 或者 CUDA 90的就行，复制命令在Windows命令行中进行安装

2.4 安装其他包

pip install pyyaml yacs tqdm colorama matplotlib cython tensorboardX
这一步一般情况不会出现问题

2.5 进入 下载解压好的 PySot目录，进行编译

python setup.py build_ext --inplace
这个需要你电脑上提前安装了 Visual C++ 2015以上的版本，这个编译过程底层有CUDA的编译，所以就需要安装对应版本的VS 编译器，不然会编译失败，VS对应版本怎么下载，需要在 Visual C++的官网进行注册下载安装，这个在网上 找资料就行
CUDA和 Visual C++版本对应关系如下图：链接【https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-microsoft-windows/index.html】这个链接是 9.0版本的，你可以在网页的右上角找到其他版本

其他版本：

点击Online Document 就可以查看了

2.6 以上配置如果没问题，命令行进入PySot解压包的根目录 (例如 ： C:\Users\Admin\PySot> )进行测试：

这里需要先下载一个
#调用摄像头的siamrpn_r50_l234_dwxcorr的训练好的模型，具体参加我的那个Linux添加链接描述版本的配置种的最后几步

python tools/demo.py --config experiments/siamrpn_r50_l234_dwxcorr/config.yaml --snapshot experiments/siamrpn_r50_l234_dwxcorr/model.pth
#不调用摄像头的
python tools/demo.py --config experiments/siamrpn_r50_l234_dwxcorr/config.yaml --snapshot experiments/siamrpn_r50_l234 --video demo/bag.avi

2.7 以上的操作都是在 Windows的命令中进行的，如果你想在Pycharm中运行，只需将PySot项目导入Pycharm，然后在PyCharm中的setting中，将Python版本换为我们虚拟环境 pysot的那个Python版本就行了

训练

在windows10上训练，貌似直接用linux上给的命令是不可行的，官方给的是在Liunx环境下，直接在examperiments的某个配置文件夹下的命令，但是在Windows环境中，会出现 异常
can’t open file ‘’: [Errno 2] No such file or directory
可以直接切换到pysot\tools文件夹，将命令改成：
python -m torch.distributed.launch --nproc_per_node=1 --master_port=2333 train.py --cfg …\experiments\siamrpn_r50_l234_dwxcorr\config.yaml
在这句命令之前，仍需在命令行输入
set CUDA_VISIBLE_DEVICES=0,或者在环境变量中加入 CUDA_VISIBLE_DEVICES=0
但是可能会报异常：
RuntimeError: PyTorch built without distributed support
这个目前我也不知道怎么解决

【上图是我直接网上找的图，就是在这里替换工程的Python路径就行】
以上就是Windows的配置过程，希望对你有帮助！