CenterNet在Ubuntu16.04系统下环境配置部署

说明：配置环境中之前，我的ubuntu中环境：cuda10.1 + nvidia 390【还包含430】+ gcc 7.5；可能需要安装两个版本的cuda，以及各自cuda对应版本的cudnn，gcc
若你刚好只有一个cuda9.0就很简单，不需要考虑多个cuda切换的问题。

一、CenterNet所需深度学习的环境

1. cuda 9.0 【下载地址nvida】
2. gcc 5.5.0
3. nvida （目前使用的是390）【要和cuda9.0对应，版本的最低要求：384】
4. cudnn 7.0【也是要和cuda9.0对应的，下载的是.tar.gz文件，可以去CUDNN官网下载地址】
5. anaconda3 5.2.0 【python 3.6】 anaconda清华镜像下载地址 这个具体版本要求暂时没找到。5.2.0是可以实现的

二、对应的软件安装步骤[安装顺序按照序号来]

1. cuda和nvida 见Linux下，Nvidia驱动以及Cuda的安装
2. gcc安装步骤见下文【五、问题3】
3. cudnn：解压下载好cudnn文件，在文件夹内打开终端，执行如下操作：【若要安装cuda10.1对应的cudnn也是同样的方法，只是修改对应版本号即可】

	sudo cp cuda/include/cudnn.h  /usr/local/cuda-9.0/include/
	sudo cp cuda/lib64/libcudnn*  /usr/local/cuda-9.0/lib64/
	sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h 
	sudo chmod a+r /usr/local/cuda-9.0/lib64/libcudn

3. annaconda：

	sudo apt-get install yum  //安装之前先安装yum；
	bash Anaconda3-5.2.0-Linux-x86_64.sh
	yum install -y bzip2
	按照提示，根据需要选择yes/no；
	//2.安装结束后，配置环境变量步骤：
	sudo vim /etc/profile
	//在文章末尾加上如下代码：[就是你安装好的anaconda3的bin路径]
	export PATH=$PATH:/home/anaconda3/bin
	//重新加载配置文件
	source /etc/prfile
	//测试：打开终端，输入 ：
	python3//回车后会看到 Python3.6.4 |Anaconda,
	

anaconda安装成功的截图，顺便测试了是否torch安装成功：

三、安装软件出现的问题

说明：如果本身的ubuntu的系统就没有安装其他的cuda，则不会出现以下问题：

A当安装cuda9.0的时候【此时系统已经有了cuda10.1】，问题：toolkit installation failed using unsupported compiler

1. 原因：gcc版本不合适；解决办法：在重新安装cuda，执行.run文件时，加上-override，具体操作如下：【采用是chmod命令安装cuda】

	chmod +x   cuda_9.0.176_384.81_linux.run 
	sudo ./cuda_9.0.176_384.81_linux.run -override

2. 安装完两个cuda后，修改 .bashrc的配置文件,【一定先删除你之前安装cuda10.1时添加的配置代码export…，否则不管怎么修改软链接，nvcc -V显示都是10.1的版本信息】,新增配置语句代码如下：

	//在文件结尾处添加：
	export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
	export PATH=$PATH:/usr/local/cuda/bin
	export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
	//保存退出后更新一下改文件
	source  ~/.bashrc

如下图所示：

3. 不同版cuda之间通过软链接的方式切换：

//1.查看系统的当前的版本
	nvcc   -V
	cat   /usr/local/cuda/version.txt
//2.切换到目录
	cd /usr/local
//3.查看当前的软链接指向
	stat cuda
//4.删除当前的软链接[若是你需要的cuda，可不执行该步骤]
	sudo rm -rf  cuda
//5.并建立新的软链接[若是你需要的cuda，可不执行该步骤]
	sudo ln -s /usr/local/cuda-[另外的cuda版本号：9.0/9.1]  /usr/local/cuda

四、配置CenterNet步骤：

1.在conda虚拟环境中安装

	conda create --name CenterNet python=3.6
	conda activate CenterNet  //(激活环境)

2.安装torch

	conda install pytorch=0.4.1 torchvision -c pytorch

3.先从github拉取代码:(原因：先要安装requirement.txt;它含有COCOAPI里面需要的CPython)

	git clone https://github.com/xingyizhou/CenterNet $CenterNet_ROOT

4.安装requirement.txt(安装前先切换到CenterNet目录下， cd /CenterNet)

	pip install -r requirements.txt

5.安装cocoapi 【安装到CenterNet/data目录下在】

	git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
    cd  cocoapi/PythonAPI
    make
    python setup.py install --user

6.编译DCNv2

	cd CenterNet/src/lib/models/networks/DCNv2
    ./make.sh

7.运行demo【切换到 CenterNet/src目录下】
执行demo前，先下载 ctdet_coco_dla_2x.pth 提取码：v9h2；并讲该文件放到CenterNet/models下

python demo.py ctdet --demo ../images/17790319373_bd19b24cfc_k.jpg  --load_model ../models/ctdet_coco_dla_2x.pth

运行的效果图：

五、centerNet配置以及执行遇到的问题

1. 执行demo时，报错：ImportError undefined symbol: __cudaRegisterFatBinaryEnd
   原因：pytorch的编译时CUDA版本和运行时CUDA版本不一致时【我当时是用cuda10.1编译的，二用的cuda9.0运行的】
   解决方法：保证编译和运行时同一个cuda下即可【详细请见参考文献4】
2. 在“”四”第一步激活环境时，报错：CommandNotFoundError: Your shell has not been properly configured to use ‘conda activate’ 无法激活conda创建的CenterNet环境
   解决方法：终端执行这两行命令source activate source deactivate【详细请见参考文献5】
3. 执行demo时，报错：error – unsupported GNU version! gcc versions later than 6 are not supported!
   原因：cuda所要求的的gcc版本不一致
   解决方法：前提：在已有高版本的gcc编辑器下，安装低版本：【详情请见参考文献6】

	//A 更新安装最新的gcc，并查看当前版本
	1. sudo apt-get install gcc
	2. sudo apt-get install g++
	3. gcc -v   //查看的版本为7.5.0
	4. g++ -v   //查看的版本为7.5.0

	//B 安装更新低版本gcc
	1. sudo apt-get install -y gcc-5
	2. sudo apt-get install -y g++-5

	//C 删除原有链接，建立新的链接
	1. cd /usr/bin 
	2. sudo rm -r gcc //移除之前的软链接
	3. sudo ln -sf gcc-5 gcc // 建立gcc-5的软链接 
	4. sudo rm -r g++  //同上
	5. sudo ln -sf g++-5 g++  //同上

参考文献：
1.anaconda安装步骤
2.在ubuntu上安装多个版本的CUDA，并且可以随时切换
3.CenterNet模型文件下载
4.如何解决pytorch 编译时CUDA版本与运行时CUDA版本不对应
5.激活conda创建的虚拟环境
6.Ubuntu 18.04.1 安装低版本GCC