detectron安装教程

先安装编译caffe2，它和pytorch合在一起：

1.参考网址：https://www.jianshu.com/p/6de89b04e50f

   我是在纯净的ubuntu16.04上按照上述教程安装（刚装好的系统）

2.在cmake的时候还是有报错，保存一些库import不到，用pip安装一下后可以正常cmake

3.cmake完成之后install的时候没有报错，耐心等待大概一个小时就可以成功。

4.在按照他的两个测试时，第一个success，第二个找不到文件，我默认自己时安装好了。

再Install the COCO API:

1.参考官方安装文档https://github.com/facebookresearch/Detectron/blob/master/INSTALL.md

    make install 的时候报错，要先安装一下cython：sudo pip install cython

   在make的时候前面加个sudo提高权限。

   我在make install的时候和后面都不成功，因为提示信息的matplotlib版本和python版本不匹配，官方文档说用python2

install的但是，再cocoapi安装的时候它自动下载的matplotlib只适用python3，因此我切换成python3进行编译。

   （1）将默认python更换为python3

   （2）安装python3的pip3，用pip3安装numpy和cython。

   （3）然后再用python3进行编译，是成功的，但是最终用的正不正确还需要继续实验。

最后安装detectron：

1.从github上下载detectron：

# DETECTRON=/path/to/clone/detectron

git clone https://github.com/facebookresearch/detectron（可以自己新建个detectron文件夹，添加在上面的path）

2.Install Python dependencies:

pip install -r $DETECTRON/requirements.txt

要加sudo权限，下载超时时可以自己直接下载某个包：[sudo pip install 包名==版本号]，再次install

3.编译python库
cd DETECTRON/lib && make （DETECTRON表示你clone下来的文件夹，即自己的第一层detectron文件夹）

【好像是没有lib的，试一下如果没有就直接make】【make会报错，你会发现make开始后下一行就是python setup.py develop --user,所以直接改成sudo python2 setup.py develop --user就等同于make命令，我就是这样编译成功】
4.测试是否编译成功
python2 $DETECTRON/tests/test_spatial_narrow_as_op.py （DETECTRON表示你clone下来的文件夹）

返回OK就可以

用mask-rcnn跑两个例程：

1.直接复制：

python2 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://s3-us-west-2.amazonaws.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

2.python2 tools/infer_simple.py \
    --cfg configs/12_2017_baselines/e2e_keypoint_rcnn_R-101-FPN_s1x.yaml \
    --output-dir /tmp/detectron-visualizations \
    --image-ext jpg \
    --wts https://s3-us-west-2.amazonaws.com/detectron/37698009/12_2017_baselines/e2e_keypoint_rcnn_R-101-FPN_s1x.yaml.08_45_57.YkrJgP6O/output/train/keypoints_coco_2014_train%3Akeypoints_coco_2014_valminusminival/generalized_rcnn/model_final.pkl \
    demo

我的最后报错超出内存，但是它还是跑出了两张图，贴出原图和检测图对比一下：

1.

2.