maskrcnn-benchmark系统框架
安装maskrcnn-benchmark框架
- **Feasible1**
- **Required action1**
- **安装Ubuntu-16.04-LTE**
- **GCC降级(非必要)**
- **安装cuda**
- **安装Anaconda3**
- **Feasible2**
- **Required action2**
- **安装Windows**
- **安装cuda**
- **安装Anaconda3**
- **安装maskrcnn_benchmark**
- **注意事项**
这是可行的一个版本，maskrcnn-benchmark的 起点（安装）
以后可能会加入其他的可行版本，用fedora系统也说不定
maskrcnn-benchmark更新的那么快，都有windows的了，说不定会在windows下安装
2019.6.29-更新：
南方的天气总是这样让人捉摸不透，最近上手了Windows的maskrcnn-benchmark安装调试
但是鄙人是在笔记本上实施的，显卡配置低，虽然说是双显卡配置，但可以安装独立的nvidia driver和cuda
也就是说在台式机上能发挥更大空间，这点不必担心
Feasible1
ubuntu-16.04-LTS
- GPU-GTX-1060
- Nvidia-384.130
- Anaconda3-python3.7
- cuda-9.0
- cuDNN-7.5.1
- PyTorch 1.1
- torchvision from master
- cocoapi
- yacs
- matplotlib
- GCC 5.4
- opencv-python
Required action1
安装Ubuntu-16.04-LTE
下载Ubuntu-16.04-LTE
制作Ubuntu-16.04-LTE-USB引导
下载UltralSO
注册名：Guanjiu
注册码：A06C-83A7-701D-6CFC
不推荐盗版，正版才30元
1.打开UltralSO软件，在左下方文件管理里面找到下载的iso文件
2.双击iso文件
3.点击工具栏“启动”项
4.选择“写入硬盘映像”项
5.“硬盘驱动器”选项选择要格式化的U盘，检查镜像文件是否正确，写入方式为USB-HDD+，其他默认
6.点击“格式化”选项，注意做U盘引导盘需要NTFS格式；点击“写入”，等待进度条到100%
7.完成后，关闭UltralSO，弹出U盘，这样USB引导就做好了
安装Ubuntu-16.04-LTE
注意分区方案，128G SDD +1T 机械 ，内存 8G的推荐方案：
| 文件系统 | 挂载点 | 分区格式 | 大小 |
|---|---|---|---|
| /dev/sda1 | (无) | efi | 1G |
| /dev/sda2 | /boot | ext4 | 1G |
| /dev/sda3 | / | ext4 | 118G |
| /dev/sda4 | (无) | swap | 8G |
| /dev/sdb1 | /home | ext4 | 1T |
一个大神的分区方案
这里区别与大神的，/tmp用来放临时文件的，重启消失；/var用来放数据库的；/是分给根目录的。对于这三个分区就要见仁见智了，需要哪个就补哪个。
安装完系统一定要升级安全补丁和版本
sudo apt update
sudo apt upgrade
GCC降级(非必要)
从cuda与NVIDIA，gcc等版本关系这里来看，cuda9.0更支持5.3版本，但不限于gcc5.3。在这里我用的是开始系统提供的gcc5.4版本同样能运行（maskrcnn_benchmark需要4.9<=GCC<=6.0）。
下载安装gcc4.9
sudo apt-get install gcc-4.9
sudo apt-get install g++-4.9
配置gcc4.9
cd /usr/bin
sudo mv gcc gcc.bak # 备份
sudo ln -s gcc-4.9 gcc # 重新链接
sudo mv g++ g++.bak
sudo ln -s g++-4.9 g++
查看降级是否完成
gcc -v && g++ -v
安装cuda
查看cuda版本支持的显卡
安装显卡驱动
检查显卡驱动是否安装成功
nvidia-sm
下载cuda9.0
cuda官方安装教程
cuDNN没有选择安装，因为在官网没有找到pytorch对应的cudnn版本;
尝试之后，果然不需要cudnn也能运行maskrcnn-berchmark。
下载cuDNN(亦是非必要)---- 需要选择cuda对应版(可能还需要pytorch对应版本)
cudnn官方安装教程
安装Anaconda3
Anaconda3官网下载：Anaconda3-python3.7
cd download #默认下载目录
bash Anaconda3-5.3.0-Linux-x86_64.sh #后续配置过程自便
conda --version
建议更新所有包
conda update --all
创建新环境
conda create --name
切换环境
source activate
显示已经创建的环境
da info --envs
#or
conda info -e
#or
conda env list
删除环境
conda remove --name --all
查看当前环境已经安装的包
conda list
Feasible2
Windows 10 专业版（64-bit）
- Geforce 930MX
- Nvidia-388.57
- Anaconda3-python3.7
- cuda-9.0
- PyTorch 1.1
- torchvision from master
- cocoapi
- yacs
- matplotlib
- opencv-python
Required action2
因为鄙人不是重装系统才来的，所以这里贴一下我认为有关的环境
- vs2015（添加了c++语言）
- DirectPlay（Windows旧版组件）
- 重要的，硬件配置必须高；PATH需要配置好，Windows和Linux都是
安装Windows
安装过程基本和前面Ubuntu的安装一样，不过是改成了Windows.iso镜像文件
点这里上去安装
激活Windows请自重（自便）
安装cuda
查看cuda版本支持的显卡
下载cuda9.0
在安装之前（推荐，为什么说推荐呢，因为最近看到有显示NVIDIA.DLL版本为10以上的装成功了，也就是最新的显卡驱动能兼容9.0的cuda）：
1.键盘win+pause break
2.点击控制面板主页
3.将查看方式改为小图标
4.找到并点击NVIDIA控制面板
5.在NVIDIA控制面板菜单栏点击帮助-系统信息-组件
6.查看NVIDIA.DLL版本，若不是9.，需将其卸载重装
关于卸载重装NVIDIA驱动，需要显卡驱动的很容易下载安装，官网对应显卡版本就行，
卸载过程中如果出现若干问题，请自便
目前台面上有多种卸载方法，慎重考虑结束当前nvidia任务，删除文件的做法，着重考虑官方最后一种方法，但不推荐（卖个关子）
安装：
1.点击下载的cuda.exe文件
2.勾选带有显卡驱动的选项卡
3.自定义全选
4.安装
安装Anaconda3
Anaconda3官网下载：Anaconda3-python3.7
安装过程注意：如果不勾选自动配置环境变量，请自行配置
部分example
安装maskrcnn_benchmark
终端安装
# this installs the right pip and dependencies for the fresh python
conda install ipython
# maskrcnn_benchmark and coco api dependencies
pip install ninja yacs cython matplotlib tqdm opencv-python
# follow PyTorch installation in https://pytorch.org/
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
# $INSTALL_DIR为安装包路径
# install pycocotools
cd $INSTALL_DIR
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
python setup.py build_ext install
# install apex
cd $INSTALL_DIR
git clone https://github.com/NVIDIA/apex.git
cd apex
python setup.py install --cuda_ext --cpp_ext
# install PyTorch Detection
cd $INSTALL_DIR
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
cd maskrcnn-benchmark
python setup.py build develop
注意事项
- 不要轻易 更新以上包， 或者更新依赖于这些包的包， 或者这些包的依赖项， 否则容易造成程序崩溃，导致一系列错误。
- 要记下现在能运行的包的所有版本和环境。
- 当不小心更新了一系列包之后， 按照一些可行的修改包的操作将包版本改还原，切忌小耍聪明。
- 如果由于环境发生变化（包括但不限于系统版本，显卡驱动版本，cuda版本，gcc版本）而引起运行程序失败，尽早从头开始，不要怕花费时间，因为可能你还原这些环境的时间更长。
- 第4点并不一定最有效，但一定可行并对自己有帮助。