从虚拟机到深度学习三：Ubuntu20.04安装pytorch以及detectron2环境

---

一、虚拟机CUDA踩坑

经过多次尝试后发现，VMware虚拟机的显卡是虚拟显卡，不支持GPU加速，我们采用CPU的方式进行detectron2的学习安装。

选择安装后出现的错误：

二、detectron2安装

1.创建虚拟环境

查看官网的安装说明：
https://detectron2.readthedocs.io/en/latest/tutorials/install.html

Linux or macOS with Python ≥ 3.6
PyTorch ≥ 1.7 and torchvision that matches the PyTorch installation. Install them together at pytorch.org to make sure of this
OpenCV is optional but needed by demo and visualization

这里我们创建一个python3.6的虚拟环境

在终端输入命令，创建虚拟环境

conda create -n detectron2 python=3.6

这一阶段会耗费较长时间

如果安装时间过长，一直停留在solving environment，或者出现下列错误时

CondaValueError: Malformed version string '~': invalid character(s).

可以选择ctrl+c进行终端，并将conda 升级

conda upgrade -n base -c defaults --override-channels conda

可以参考
https://stackoverflow.com/questions/56084960/condavalueerror-malformed-version-string-invalid-characters

安装完成后，将镜像源移除，可以正常安装：

2.安装pytorch

pytorch官网：
https://pytorch.org/
这里我选择安装pytorch1.7

首先进入虚拟环境：

conda activate detectron2

输入命令：

conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cpuonly -c pytorch

3.安装库numpy，matplotlib

安装库numpy，matplotlib

conda install numpy matplotlib

4.安装库opencv-python

安装opencv-python，在 Python 3.6 环境下使用下面的命令并就可以了：

conda install opencv-python

但是在 Python 3.7 环境下上面的命令是无效的。可以使用 pypi 进行安装:

pip install opencv-python

如果你的网络不好也很容易失败，我们可以临时使用清华的 pypi 镜像来安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

5.安装pillow，cython库

pip install pillow cython

6.安装pycocotools

pip install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

如果下载过慢，也可以直接下载到本地进行安装

首先进入虚拟环境

conda activate detectron2

cd到下载目录，注意下载的zip需要解压：

cd Downloads/cocoapi-master/PythonAPI

输入指令进行编译

pip install -e.

安装成功

7.fvcore

fvcore 是 FAIR 开源的 一个轻量级的核心库，它提供了在各种计算机视觉框架(如 Detectron2)中共享的最常见和最基本的功能。该库需要 >=Python 3.6 的 Python 环境。
conda安装

conda install -c fvcore fvcore

pip安装

pip install fvcore

经过实践，使用pip安装更方便一点，安装完成后显示：

8.detectron2安装

detectron2安装地址
https://github.com/facebookresearch/detectron2
可以直接执行下列命令：

pip install 'git+https://github.com/facebookresearch/detectron2.git'

也可以直接下载后进行安装：
首先进入虚拟环境，再cd至下载的文件夹

cd /home/detectron2/Downloads/detectron2-master
pip install -e.

成功安装：

使用命令：

conda list

detectron2已经安装

三、demo测试

在detectron2文件夹中新建images文件夹，放入网上找到的图片：

进入guthub的detectron2官网，打开MODEL_ZOO.md，下载预训练权重：

其中，name是该网络的一些基本信息，model是需要下载的预训练权重，metrics是训练的一些参数。这里下载R101-FPN的model。
在detectron文件夹下自行新建预训练权重的文件夹，我设置的是
pre_train_model/COCO-PanopticSegmentation/panoptic_fpn_R_101_3x/139514519/model_final_cafdb1.pkl

打开终端，进入虚拟环境，输入命令：

python demo/demo.py --config-file configs/COCO-PanopticSegmentation/panoptic_fpn_R_101_3x.yaml --input images/1.jpg --output results --opts MODEL.WEIGHTS pre_train_model/COCO-PanopticSegmentation/panoptic_fpn_R_101_3x/139514519/model_final_cafdb1.pkl MODEL.DEVICE cpu

其中

--config-file configs/COCO-PanopticSegmentation/panoptic_fpn_R_101_3x.yaml

这个是配置信息，detectron2那个文件夹里面已经有了

--input images/1.jpg

是要测试的路径，估计实际情况设置

--output results

是输出的路径

--opts MODEL.WEIGHTS pre_train_model/COCO-PanopticSegmentation/panoptic_fpn_R_101_3x/139514519/model_final_cafdb1.pkl

是训练好的模型，存放model zoom下载的预训练权重

MODEL.DEVICE cpu

是cpu运行
运行后显示如下：

其中警告：

UserWarning: This overload of nonzero is deprecated:
	nonzero()
Consider using one of the following signatures instead:
	nonzero(*, bool as_tuple) (Triggered internally at  /opt/conda/conda-bld/pytorch_1603729004493/work/torch/csrc/utils/python_arg_parser.cpp:882.)
  filter_inds = filter_mask.nonzero()

这是由于detectron2与torch的一些接版本口冲突导致的，后续我会在后面的博客中进行解决
完成后，可以看到文件夹中出现了运行的结果

可以看出，效果还是相当不错的。