一 本人主机环境
ubuntu18.04 + cuda10.2 + Geforce 1080Ti + anaconda3
二 环境配置
1 在anaconda中构建新环境(配置Detectron2的预备环境)
conda create -n detectron2 python=3.6
激活detectron2环境
conda activate detectron2
安装pytorch和torchvision,pytorch版本要≥1.3
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
安装openCV
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100 opencv-python
安装fvcore
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100 'git+https://github.com/facebookresearch/fvcore'
安装pycocotools
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100 cython
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'
GCC >= 4.9
2 Detectron2安装
git clone https://github.com/facebookresearch/detectron2.git
cd detectron2
python setup.py build develop
3 Detectron2测试
在model_zoo提前下载好预训练模型,下载的模型需要与detectron2/configs下不同类型应用下(COCO-Detectron\COCO-InstanceSegmentation等)的yaml文件要相匹配,例如使用下图中的第一个yaml文件,
那么对应下载的预训练权重文件为,下载结果为:model_final_721ade.pkl文件,注意不要被这里的pkl后缀权重文件误导,当我们训练自己的数据集,得到的权重文件是.pth结尾的,观察训练日志文件就能发现.
python demo/demo.py \
--config-file ./configs/COCO-Detection/faster_rcnn_R_50_C4_1x.yaml \
--input ceshi/test.jpg --output outputs/ \
--opts MODEL.WEIGHTS './model_zoo/model_final_b275ba.pkl'