Detectron 在 CentOS 上的安装指南

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