文章目录
前言
目标检测的模型还是很多的,要挨个挨个学还是有点吃力(精力旺盛可忽略),所以这里总结一下当前流行的目标检测的框架:darknet yolov4,mmdetection2.0,detectron2.0。至于这三个框架怎么去选择,我的答案是只有你真正懂了,上手试了这几个框架之后你才能比较它们之间的优劣。
1. Windows10 Dtectron2 配置
我的环境:WIN10,CUDA10.1,cuDNN7.6.4,Anaconda,VS2019(这个必须有),OpenCV3.4.10,GTX1660(6G内存)
1.1 虚拟环境
至于为什么要创建一个虚拟环境,起作用主要有以下几个:
- 虚拟环境可以搭建独立的python运行环境, 使得单个项目的运行环境与其它项目互不影响。
- 可以避免一个环境造成得安装包过的多,导致环境加载缓慢。
创建一个没有存在过的虚拟环境:
conda create -n detectron2 python=3.7
激活虚拟环境:
conda activate detectron2
1.2 安装pytorch
conda install pytorch=1.4 torchvision cudatoolkit=10.1
这里pytorch只能是1.4版本的,太低会运行不成功,这也是为什么要创建虚拟环境的原因。
1.3 安装一些依赖包
pip install cython opencv-python pillow matplotlib termcolor cloudpickle tabulate tensorboard termcolor tqdm yacs mock fvcore pydot wheel future
1.4 修改文件内部的一些参数(非常重要)
-
修改
C:\Users\lee\Anaconda3\envs\mmd2\Lib\site-packages\torch\utils\cpp_extension.py
185行:match = re.search(r'(\d+)\.(\d+)\.(\d+)', compiler_info.decode("utf8","ignore").strip())
-
修改
C:\Users\lee\Anaconda3\envs\detectron\Lib\site-packages\torch\include\torch\csrc\jit\argument_spec.h
文件中的static constexpr size_t DEPTH_LIMIT = 128;
改成static const size_t DEPTH_LIMIT = 128;