CenterNet模型复现（超详细）

本文主要内容：CenterNet在Ubuntu20.04上的复现教程
本文面向对象： 深度学习用户

由于博主本人的研究方向是目标检测，所以在这里写一篇关于基于中心点的目标检测的经典算法CenterNet的复现步骤，具体的实验设备如下（代码环境请看下面第二个表格）：

设备	型号
系统	Ubuntu20.04
CPU	Intel® Xeon® CPU E5-2630 v4 @ 2.20GHz
显卡	Tesla P40

环境	版本
python	3.8
CUDA	11.1
pytorch	1.8.0

基于以上的设备和环境，经过以下的流程可以完整复现CenterNet模型。

一、前期准备：

首先是我们的前期准备，在模型复现前，我们需要准备好自己以下内容：

• 硬件及驱动环境
• 代码环境

由于博主本人的实验设备如上面表格所示，则本文将以上面的实验设备为基础进行示例，其他系统或设备大差不差，核心思想不变，个别细微区别（如命令、版本等）请自行替换。

硬件及驱动准备:

1. 查看系统版本号：lsb_release -a
2. 查看系统支持的驱动：ubuntu-drivers list
3. 查看系统cpu的架构：uname -m或arch
4. 查看系统显卡型号：lspci | grep -i nvidia
5. 查看显卡具体信息：nvidia-smi
   若没有显卡信息，则需要根据ubuntu-drivers list来安装显卡驱动。
   显卡驱动安装请参考：https://blog.csdn.net/str1ngthen/article/details/133792936?spm=1001.2014.3001.5502

代码环境准备：

我们需要复现CenterNet模型则首先需要有相应的代码运行环境：

1. 下载g++编译器：apt install g++
2. 安装ninja：sudo apt install ninja-build
3. 安装CenterNet复现环境：

• a. 创建并进入conda环境（conda安装请自行百度）：

 conda create --name CenterNet python=3.8
 conda activate CenterNet

• b. 安装CUDA Toolkit 11.1：https://blog.csdn.net/str1ngthen/article/details/133793250?spm=1001.2014.3001.5502
• c. 安装pytorch1.8.0： pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
• d. 依次运行以下命令来检查PyTorch是否CUDA版本相匹配：

python -c "import torch;print(torch.__version__);print(torch.version.cuda);print(torch.backends.cudnn.version());print(torch.cuda.is_available()); print(torch.zeros(1).cuda())"

理想情况下输出的是：True，其他的不是的话就是安装失败了呗，别看这篇文章了，去找其他的文章看或者在我的基础上解决一下。

其他命令（可忽略）:

• 卸载原先的torch、torchaudio和torchvision：

  pip uninstall torch torchvision torchaudio -y
  

二、代码复现：

在完成了代码环境准备后，我们需要下载CenterNet代码并进行编译运行，其中，我们需要参考下方的官方文档：

官方文档：https://github.com/xingyizhou/CenterNet/blob/master/readme/INSTALL.md

1. 在你理想的文件夹中克隆CenterNet网络：https://github.com/xingyizhou/CenterNet
2. 在CenterNet文件夹同级目录下安装COCO数据集：

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

3. 进入CenterNet文件夹中安装所需运行包：

cd /path/to/CenterNet
pip install -r requirements.txt

若在其中出现构建opencv-python错误的话请参考：https://blog.csdn.net/u012331046/article/details/131802939
4. 【重要】删除CenterNet/src/lib/models/networks下的原始DCNv2，下载新的DCNv2：https://github.com/lucasjinreal/DCNv2_latest
5. 【重要】将下载的新的DCNv2版本进行回退到以下版本以匹配我们的pytorch1.8.0和CUDA11.1：

git checkout fa9b2fd740ced2a22e0e7e913c3bf3934fd08098

请注意，请将新下载的DCNv2文件夹的名字（有可能有后缀）改为DCNv2。

6. 进入DCNv2中编译：./make.sh
   若出现以下错误：
   
   则打开DCNv2文件夹中的make.sh文件，修改为以下内容后再次执行./make.sh：
   
   出现以下内容则代表编译完成：
   

至此，我们的CenterNet代码完全拷贝下来并且对DCNv2也进行了替换编译，接下来就可以继续按照官方文档进行复现。
7. 按照此文件中的Use CenterNet小节进行复现：https://github.com/xingyizhou/CenterNet/tree/master

总结

以上内容是CenterNet模型复现的一个简单实现，请读者注意，我的模型复现是完全基于以上设备和环境来进行的，也就是完全按照那两个表格的内容来进行的，如果你的设备不同（即第一个表格与我不同），比如显卡是3090、2060或其他不同，你同样可以按照第二个表格的内容进行尝试一下，因为代码环境与很多设备都是兼容的，祝你们成功。