Detectron 在 CentOS 上的安装指南
- 创建Conda 环境
- 升级GCC / G++:
conda install https://anaconda.org/brown-data-science/gcc/5.4.0/download/linux-64/gcc-5.4.0-0.tar.bz2
- 安装pytorch:
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
- 安装OpenCV3 (针对Python3.6;3.7需要更改命令):
- 可以通过其它conda / pip 方式安装python-opencv
conda install -c menpo opencv3
-
安装fvcore:
conda install -c fvcore fvcore
出现pyyaml兼容性错误。因此采用pip install fvcore
安装 -
安装Cython:
pip install -U Cython
-
安装Pycocotools,使用
pip install -U pycocotools
出现partial uninstall 错误。因此采用:pip install --ignore-installed PyYAML
(建议不要用这条命令,后期如果想用基于Detectron框架的其它算法时还需重新安装pycocotools。如metaRCNN)
摘自:https://blog.csdn.net/weixin_41010198/article/details/103852838 -
安装ninja:
conda install ninja
这一步更容易找错误。 -
进入detectron2 文件夹:
python setup.py build develop
出现 i386 32位程序不兼容得问题。此时:sudo apt-get install libc6-dev-i386
10.重新执行python setup.py build develop
出现缺少32位执行库文件得错误。$ echo "export LIBRARY_PATH=/usr/lib/x86_64-linux-gnu" >> ~/.bashrc
参考:https://blog.csdn.net/happygogf/article/details/18147397
完成安装。
需要注意:
- 只能有一个GCC LIB,如果安装了别的gcc g++ 建议删除环境,重建环境。
进入测试环节:
- 测试图像:从model.zoo 下载coco instance segmentation pre-trained model:
wget
https://dl.fbaipublicfiles.com/detectron2/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl
成功
- 训练:
- 使用PASCAL VOC 数据集,首先将VOC 2007, 2012 移动到datasets 文件夹中
- 下载R-50 预训练模型:
wget https://dl.fbaipublicfiles.com/detectron2/ImageNetPretrained/MSRA/R-50.pkl
- 修改faster-rcnn-R-50-FPN.yaml中得WEIGHT PATH,至R-50文件地址。
- 训练模型:
python ./tools/train_net.py --num-gpus 4 --config-file ./configs/PascalVOC-Detection/faster_rcnn_R_50_FPN.yaml