超詳細整理Detectron2目標檢測原始碼在Win10下的環境配置

前言

有好多好多小伙伴都最近在問題主，深度學習為什么那么少人在win下配置，也找不到詳細的一篇從頭講到尾的保證成功的環境配置，這豈不是卡死一大片深度學習小白？

不慌不慌，題主這一次超級詳細超級基礎的整理了Detectron2的環境配置，并且是在windows 10 下進行的，并且所有的代碼都親自跑過，完全從0開始講解配置，下面貼出題主的設備和系統，

請各位謹記，完完全全按照我的順序來是沒有問題滴~ 親測！

文中所涉及到的檔案以及下載較慢的檔案都放在網盤資源里，文末自取哦~

系 統：Windows10
所用電腦：聯想拯救者Y7000P 2019
GPU型號：NVIDIA GeForce GTX 1660 Ti
安裝所需：NVIDIA驅動 + CUDA + CuDNN
軟體前需：Anaconda3+pycharm

第一部分、NVIDIA顯卡驅動

1. 顯卡驅動
   NVIDIA驅動下載的網址為：
   https://www.nvidia.cn/Download/index.aspx?lang=cn
   如下圖所示，從中選擇自己電腦裝載的GPU型號，以及電腦里的作業系統型號，
   搜索并下載對應自己顯卡驅動型號的驅動程式
   順著步驟完成安裝即可（easy~）

2. CUDA

成功安裝完顯卡驅動之后呢，就需要安裝CUDA了，這里籠統的描述下CUDA和顯卡驅動之間的關系，

CUDA：是Nvidia推出的只能用于自家GPU的并行計算框架，只有安裝這個框架才能夠進行復雜的并行計算，主流的深度學習框架也都是基于CUDA進行GPU并行加速的，幾乎無一例外，還有一個叫做cudnn，是針對深度卷積神經網路的加速庫，

也就是CUDA建立在驅動之上，所以先裝驅動嘛~

CUDA 下載網址為：
https://developer.nvidia.com/cuda-toolkit-archive
從中選擇合適的型號下載，

對于我們后續要使用的detectron2和Windows10系統而言，我們這里考慮到后續與pytorch 的兼容，我們這里選用的是 pytorch=1.6.0 cuda=10.1

這里有些小伙伴可能會有疑問，因為detectron2的官方標配應該是pytorch=1.4.0 ,cuda=10.0，

而題主發現實際上在windows10下，cuda10.0最高只支持pytorch 1.2.0 考慮到低版本可能出現問題，所以最終選擇的detectron2在windows10下的配置是 pytorch=1.6.0 cuda=10.1

在網站中對應選擇需要的CUDA版本號，我們在這里選擇的是10.1(沒有update) 接著在win10下安裝，

等待安裝完成即可，到這里都不會有什么問題~

3. cuDNN
   cuDNN下載安裝為：
   https://developer.nvidia.com/rdp/cudnn-download
   需要先注冊個賬號，然后免費下載，這里注意選擇和自己的CUDA版本號相匹配的，

之后選擇對應的win10，下載完成后可以看到如下圖三個檔案夾bin，include和lib

下載完成之后把 cuDNN 庫壓縮包里對應的bin，include，lib的檔案放到NVIDIA GPU Computing Toolkit\CUDA\v10.1中進行檔案夾替換

一般來說找不到 NVIDIA GPU Computing Toolkit 的小伙伴可以去C盤 Program Files 找下

替換完成以后，打開win10 cmd視窗（windows鍵+R，然后輸入cmd回車）

緊接著輸入直接輸入 nvcc -V即可確認CUDA是否安裝成功，并且版本是否正確

從上圖我們可以看到我們所安裝的CUDA的版本號，這樣我們的第一部分顯卡驅動部分就大功告成了~

第二部分、Anaconda虛擬環境搭建

Anaconda對于環境庫包的管理非常方便很適合深度這樣復雜環境的配置，這里默認大家都已經安裝好了Anaconda3，這個的安裝十分方便官網下載，跟著步驟安裝就可以完成，不會有任何問題~

還是附一下Anaconda 的官網鏈接：
https://www.anaconda.com/products/individual
打開滑動到最下方下載對應系統的版本即可

1. 虛擬環境創建
   Anaconda中虛擬環境的創建命令，注意這里我們需要配置的python環境是3.6版本，同樣的在安裝完Anaconda3之后，直接按照之前的方法打開cmd視窗，輸入以下指令：

conda create -n detectron2 python=3.6

# Anaconda 創建環境的一般命令
conda create -n your_name python=x.x

anaconda命令創建python版本為x.x，名字為your_name的虛擬環境，your_name檔案可以在Anaconda安裝目錄envs檔案下找到，

之后就會出現下圖Package Plan界面

接著會讓你安裝python3.6相關依賴，輸入y即可

繼續等待其安裝完成，直至出現如下界面，接著，我們要激活我們新創建的環境，因為我們剛剛只是創建了，現在要予以激活，才能把我們對應的庫裝入到我們希望配置的環境中去

緊接著再輸入

conda activate detectron2

在C盤之前出現detectron2的字樣代表激活成功，這里一定要注意，每一次重啟cmd都需要重新激活一次我們的虛擬環境，千萬不要踩坑了吶~有好多小伙伴以為activate了一次就以為是永久的了，在這里注意一下，并不是永久的！！

我們之后都是需要在虛擬環境里安裝庫的，不然都是白費吶！

2. detectron2所需庫的配置
   （1）首先我們安裝最基本的2個庫numpy，matplotlib.這里就不過多贅述安裝程序了，直接pip/conda install numpy matplotlib即可
   （2）安裝opencv-python，這一步是因為題主后續是訓練自己的資料集的所以需要圖片的讀入，如果不需要訓練自己的資料集，opencv安裝可以跳過哦~ 對于安裝opencv-python這里題主推薦幾種方法：
   方法1：直接pip install opencv-python一般來說就可以成功，相對來說下載比較緩慢，而且經常可能下載會斷orz
   

   方法二：在https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv下載對應的python版本和windows系統opencv的whl檔案，這里我們選擇的是opencv_python-4.4.0-cp36-win_amd64.whl
   
   下載完成后我們把它放到桌面，之后繼續在cmd視窗里進行操作，我們在cmd視窗里輸入cd desktop

   而后輸入，注意這里還是要在我們構建的detectron2環境下安裝哦，不然是無效的，如果不小心關閉了之前的cmd視窗，記得每開一次都要重新activate一下detectron2的環境，這里是個小坑，大家注意，

pip install opencv_python-4.4.0-cp36-win_amd64.whl

顯示如下：

（3）安裝pillow，cython庫

pip install pillow cython

（4）Pytorch-gpu版 安裝
首先進入pytorch官網 https://pytorch.org/

選擇好對應的gpu版pytorch，有小伙伴可能在這里有疑問，為什么不選conda而要選用pip，題主只能這么說，題主用conda老是裝不上gpu版 torch，測驗了幾次，發現用pip相對來說穩定一些，這里就回到了開題時候說的，pytorch=1.6.0，配合cuda=10.1通過題主后續的一系列測驗，發現在detectron2上可以完美運行，所以小伙伴們可以放心大膽的進行配置~

當然啦，也不是說conda一定有問題，可能是題主當時有問題~

直接在虛擬環境中輸入相應的陳述句，等待其安裝，

這里一定要注意，先安裝對應版本的pytorch和torchvision，再去安裝detectron2，因為每次安裝完pytorch后，detectron2通常需要重裝！！所以這里務必注意順序！！！不然的話，很容易出現 "ImportError: cannot import name _C’"這個報錯，如果出現這個報錯，那么就需要重新安裝一次detectron2，但是如果detectron2是在pytorch安裝后安裝就沒有問題，

這里這個小坑可以注意一下！

安裝完成之后我們在cmd中輸入python

python

import torch
torch.cuda.is_available()

exit()

如果提示True,那么恭喜你大功告成，pytorch-gpu版安裝完成，之后輸入exit（）退出python

到這里一旦有顯示True
那我們的pytorch部分就配置完畢，gpu版得pytorch也大功告成~

（5）detectron2安裝
在安裝detectron2之前，還需要安裝pycocotools，繼續cmd，detectron2環境下繼續安裝：

pip install git+https://github.com/philferriere/cocoapi.git

這里不用原始源是因為原始源不支持windows所以這里放的是支持windows的github地址，

在這里各位小伙伴如果報錯如下：

那么就是說git沒有安裝，之后我們在cmd中先輸入：

pip install git

如果這里pip也報錯，那么就直接使用conda install git即可
之后繼續運行pycocotools的安裝陳述句，等待其完成，這里只要顯示了Cloning一般不會失敗，只有可能會掉網，

當然在這里也可以自己下載好對應網址的github，然后放在桌面，找到PythonAPI地址，之后輸入

pip install -e.

千萬不要漏了e后面的點！！！

Pycocotools安裝完成后，繼續在cmd視窗中輸入

pip install git+https://github.com/facebookresearch/detectron2.git

安裝detectron2（和安裝pycocotools一樣，可以直接pip或者是下載好到桌面之后找到setup.py所在pip install -e.）
安裝完成后，我們在cmd視窗里輸入conda list這時候看到串列里已經有我們裝好的detectron2的庫
這時候detectron2也大功告成了~

第三部分、Pycharm運行

緊接著我們在pycharm中，把我們新創建的環境添加到編譯環境里，File-settings-Project：BDD_back

這里會先顯示<No interpreter>，接著點右側那個齒輪，選擇Add…，跳出Add Python Interpreter之后選擇Conda Environment，接著選擇Existing environment

接著我們把Interpteter展開選擇我們剛剛新建立的detectron2這一項

確認即可，至此pycharm配置完畢

然后運行我們的訓練程式，有如下輸出：

顯然的我們的全部環境配置完畢，可以在windows系統下快樂的利用gpu跑detectron2的模型了~并且還不會和原有的任何庫沖突，是不是超級棒！

這里再放一張在ubuntu16.04下跑的測驗圖，看下效果，實際上windows訓練完測驗是一樣的啦~只是懶得等了就放一下之前跑的圖

效果還是相當ok滴~

寫在后面的話

寫這篇文章的目的，更多的還是希望給更多的cv入門小白一個正確的合理的配置環境的順序，題主自己電腦也是如此配置的，在寫文章的之前還特意全部重新又裝過一遍，發現都ok，沒有什么問題，只要按照上面那個順序執行，就一定不會有問題~

好啦，這一次的超詳細整理就到這里了~

鏈接

百度網盤鏈接：
https://pan.baidu.com/s/10LaJdfisi9Vl4euOHOJ4Ng

提取碼：40mr

盤里是直接給你們下載好的detectron2 和 windows10支持的pycocotools

如果大家喜歡這樣超詳細的整理 還請大家給點支持吶！

下一篇 打算詳細的寫一寫如何構造自己的符合COCO的資料集，如何訓練自己的資料集，題主這里是利用了現在較大的無人駕駛（BDD）的資料集進行訓練的 有興趣的小伙伴可以追下更新哦~