maskrcnn-benchmark系统框架

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

查看已安装版本信息

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

1. 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。
2. 要记下现在能运行的包的所有版本和环境。
3. 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。
4. 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。
5. 第4点并不一定最有效，但一定可行并对自己有帮助。