ubuntu16.04安裝detectron教程

系統環境要求：NVIDIA GPU, Linux, Python2

Caffe2, 部分Python包, COCO API

1. python2.7

Detectron必須在python2環境，python3不支持， 推薦使用conda 創建一個新的環境python27，并且切換到新環境

conda create -n python27 python=2.7

conda activate python27

以下所有操作都在python2.7下執行

2. 安裝 CUDA 8 + CuDNN 7 + NCCL

2.1 CUDA8安裝

安裝過程略

驗證安裝：nvcc --version

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2016 NVIDIA Corporation

Built on Tue_Jan_10_13:22:03_CST_2017

Cuda compilation tools, release 8.0, V8.0.61

2.2 從Debian文件安裝CuDNN 7

# 1.Install the runtime library, for example:

sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb

# 2.Install the developer library, for example:

sudo dpkg -i libcudnn7-devel_7.0.3.11-1+cuda9.0_amd64.deb

# 3.Install the code samples and the cuDNN Library User Guide, for example:

sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb

2.3 測試CuDNN 7

樣例在/usr/src/cudnn_samples_v7路徑下

1.Copy the cuDNN sample to a writable path.

$cp -r /usr/src/cudnn_samples_v7/ $HOME

2.Go to the writable path.

$ cd $HOME/cudnn_samples_v7/mnistCUDNN

3.Compile the mnistCUDNN sample.

$make clean && make

4.Run the mnistCUDNN sample.

$ ./mnistCUDNN

顯示如下，表示安裝成功： Test passed!

2.4 cuDNN從v6升級到v7

cuDNN v7可以與之前版本的cuDNN共存，例如v5或v6。 cuDNN v7 can coexist with previous versions of cuDNN, such as v5 or v6.

2.5 NCCL安裝

下載安裝包并安裝

sudo dpkg -i nccl-repo-ubuntu1604-2.2.13-ga-cuda8.0_1-1_amd64.deb

3. 安裝Caffe2

3.1 conda安裝Caffe2

使用Anaconda在GPU + CUDA8 + CuDNN7環境下

conda install pytorch-nightly cuda80 -c pytorch

3.2 驗證Caffe2

檢查Caffe2的GPU依賴是否正確，下面命令輸出的GPU卡的數量必須要大于0 ,否則不能使用Detectron

# To check if Caffe2 build was successful

python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"

# To check if Caffe2 GPU build was successful

# This must print a number > 0 in order to use Detectron

python -c 'from caffe2.python import workspace; print(workspace.NumCudaDevices())'

驗證過程顯示Failure，terminal重新輸入 python -c 'from caffe2.python import core'，可以顯示錯誤信息

錯誤1： No module named google.protobuf.internal 解決方法：pip install protobuf

錯誤2： no moudle named past.builtins 解決方法：pip install future

4. 安裝COCO API

# COCOAPI=/path/to/clone/cocoapi

git clone https://github.com/cocodataset/cocoapi.git $COCOAPI

cd $COCOAPI/PythonAPI

# Install into global site-packages

make install

# Alternatively, if you do not have permissions or prefer

# not to install the COCO API into global site-packages

python setup.py install --user

在make install 如出現錯誤error: pycocotools/_mask.c: No such file or directory：

解決方法：pip install cython

5. 安裝Detectron

5.1 安裝

Clone the Detectron repository:

# DETECTRON=/path/to/clone/detectron

git clone https://github.com/facebookresearch/detectron $DETECTRON

Install Python dependencies:

pip install -r $DETECTRON/requirements.txt

Set up Python modules:

cd $DETECTRON && make

Check that Detectron tests pass (e.g. for SpatialNarrowAsOp test):

python $DETECTRON/detectron/tests/test_spatial_narrow_as_op.py

5.2 運行Detectron

可以使用tools目錄下內置的infer_simple.py 來使用預訓練的模型來預測實際的照片，infer_simple.py里面調用的是detectron封裝的vis_utils.vis_one_image API。

python tools/infer_simple.py \

--cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml \

--output-dir /tmp/detectron-visualizations \

--image-ext jpg \

--wts https://dl.fbaipublicfiles.com/detectron/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl \

demo

最終，檢測結果就以pdf的格式輸出到了/tmp/detectron-visualizations目錄下

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的如何在ubuntu下安装detectron2_ubuntu16.04安装detectron教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。