超详细整理Detectron2目标检测源码在Win10下的环境配置

前言

有好多好多小伙伴都最近在问题主，深度学习为什么那么少人在win下配置，也找不到详细的一篇从头讲到尾的保证成功的环境配置，这岂不是卡死一大片深度学习小白？

不慌不慌，题主这一次超级详细超级基础的整理了Detectron2的环境配置，并且是在windows 10 下进行的，并且所有的代码都亲自跑过，完全从0开始讲解配置，下面贴出题主的设备和系统。

请各位谨记，完完全全按照我的顺序来是没有问题滴~ 亲测！

文中所涉及到的文件以及下载较慢的文件都放在网盘资源里，文末自取哦~

系 统：Windows10
所用电脑：联想拯救者Y7000P 2019
GPU型号：NVIDIA GeForce GTX 1660 Ti
安装所需：NVIDIA驱动 + CUDA + CuDNN
软件前需：Anaconda3+pycharm

第一部分、NVIDIA显卡驱动

1. 显卡驱动
   NVIDIA驱动下载的网址为：
   https://www.nvidia.cn/Download/index.aspx?lang=cn
   如下图所示，从中选择自己电脑装载的GPU型号，以及电脑里的操作系统型号。
   搜索并下载对应自己显卡驱动型号的驱动程序
   顺着步骤完成安装即可（easy~）

2. CUDA

成功安装完显卡驱动之后呢，就需要安装CUDA了。这里笼统的描述下CUDA和显卡驱动之间的关系。

CUDA：是Nvidia推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。还有一个叫做cudnn，是针对深度卷积神经网络的加速库。

也就是CUDA建立在驱动之上，所以先装驱动嘛~

CUDA 下载网址为：
https://developer.nvidia.com/cuda-toolkit-archive
从中选择合适的型号下载。

对于我们后续要使用的detectron2和Windows10系统而言，我们这里考虑到后续与pytorch 的兼容，我们这里选用的是 pytorch=1.6.0 cuda=10.1

这里有些小伙伴可能会有疑问，因为detectron2的官方标配应该是pytorch=1.4.0 ,cuda=10.0。

而题主发现实际上在windows10下，cuda10.0最高只支持pytorch 1.2.0 考虑到低版本可能出现问题，所以最终选择的detectron2在windows10下的配置是 pytorch=1.6.0 cuda=10.1

在网站中对应选择需要的CUDA版本号，我们在这里选择的是10.1(没有update) 接着在win10下安装。

等待安装完成即可，到这里都不会有什么问题~

3. cuDNN
   cuDNN下载安装为：
   https://developer.nvidia.com/rdp/cudnn-download
   需要先注册个账号，然后免费下载。这里注意选择和自己的CUDA版本号相匹配的。

之后选择对应的win10，下载完成后可以看到如下图三个文件夹bin，include和lib

下载完成之后把 cuDNN 库压缩包里对应的bin，include，lib的文件放到NVIDIA GPU Computing Toolkit\CUDA\v10.1中进行文件夹替换

一般来说找不到 NVIDIA GPU Computing Toolkit 的小伙伴可以去C盘 Program Files 找下

替换完成以后，打开win10 cmd窗口（windows键+R，然后输入cmd回车）

紧接着输入直接输入 nvcc -V即可确认CUDA是否安装成功，并且版本是否正确

从上图我们可以看到我们所安装的CUDA的版本号，这样我们的第一部分显卡驱动部分就大功告成了~

第二部分、Anaconda虚拟环境搭建

Anaconda对于环境库包的管理非常方便很适合深度这样复杂环境的配置。这里默认大家都已经安装好了Anaconda3，这个的安装十分方便官网下载，跟着步骤安装就可以完成，不会有任何问题~

还是附一下Anaconda 的官网链接：
https://www.anaconda.com/products/individual
打开滑动到最下方下载对应系统的版本即可

1. 虚拟环境创建
   Anaconda中虚拟环境的创建命令，注意这里我们需要配置的python环境是3.6版本。同样的在安装完Anaconda3之后，直接按照之前的方法打开cmd窗口，输入以下指令：

conda create -n detectron2 python=3.6

# Anaconda 创建环境的一般命令
conda create -n your_name python=x.x

anaconda命令创建python版本为x.x，名字为your_name的虚拟环境。your_name文件可以在Anaconda安装目录envs文件下找到。

之后就会出现下图Package Plan界面

接着会让你安装python3.6相关依赖，输入y即可

继续等待其安装完成，直至出现如下界面，接着，我们要激活我们新创建的环境，因为我们刚刚只是创建了，现在要予以激活，才能把我们对应的库装入到我们希望配置的环境中去

紧接着再输入

conda activate detectron2

在C盘之前出现detectron2的字样代表激活成功。这里一定要注意，每一次重启cmd都需要重新激活一次我们的虚拟环境，千万不要踩坑了呐~有好多小伙伴以为activate了一次就以为是永久的了，在这里注意一下，并不是永久的！！

我们之后都是需要在虚拟环境里安装库的，不然都是白费呐！

2. detectron2所需库的配置
   （1）首先我们安装最基本的2个库numpy，matplotlib.这里就不过多赘述安装过程了。直接pip/conda install numpy matplotlib即可
   （2）安装opencv-python，这一步是因为题主后续是训练自己的数据集的所以需要图片的读入，如果不需要训练自己的数据集，opencv安装可以跳过哦~ 对于安装opencv-python这里题主推荐几种方法：
   方法1：直接pip install opencv-python一般来说就可以成功，相对来说下载比较缓慢，而且经常可能下载会断orz
   

   方法二：在https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv下载对应的python版本和windows系统opencv的whl文件，这里我们选择的是opencv_python-4.4.0-cp36-win_amd64.whl
   
   下载完成后我们把它放到桌面，之后继续在cmd窗口里进行操作。我们在cmd窗口里输入cd desktop

   而后输入，注意这里还是要在我们构建的detectron2环境下安装哦，不然是无效的，如果不小心关闭了之前的cmd窗口，记得每开一次都要重新activate一下detectron2的环境。这里是个小坑，大家注意。

pip install opencv_python-4.4.0-cp36-win_amd64.whl

显示如下：

（3）安装pillow，cython库

pip install pillow cython

（4）Pytorch-gpu版 安装
首先进入pytorch官网 https://pytorch.org/

选择好对应的gpu版pytorch，有小伙伴可能在这里有疑问，为什么不选conda而要选用pip，题主只能这么说，题主用conda老是装不上gpu版 torch，测试了几次，发现用pip相对来说稳定一些，这里就回到了开题时候说的，pytorch=1.6.0，配合cuda=10.1通过题主后续的一系列测试，发现在detectron2上可以完美运行。所以小伙伴们可以放心大胆的进行配置~

当然啦，也不是说conda一定有问题，可能是题主当时有问题~

直接在虚拟环境中输入相应的语句，等待其安装。

这里一定要注意，先安装对应版本的pytorch和torchvision，再去安装detectron2，因为每次安装完pytorch后，detectron2通常需要重装！！所以这里务必注意顺序！！！不然的话，很容易出现 "ImportError: cannot import name _C’"这个报错，如果出现这个报错，那么就需要重新安装一次detectron2，但是如果detectron2是在pytorch安装后安装就没有问题。

这里这个小坑可以注意一下！

安装完成之后我们在cmd中输入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版安装完成，之后输入exit（）退出python

到这里一旦有显示True
那我们的pytorch部分就配置完毕，gpu版得pytorch也大功告成~

（5）detectron2安装
在安装detectron2之前，还需要安装pycocotools，继续cmd，detectron2环境下继续安装：

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

这里不用原始源是因为原始源不支持windows所以这里放的是支持windows的github地址。

在这里各位小伙伴如果报错如下：

那么就是说git没有安装，之后我们在cmd中先输入：

pip install git

如果这里pip也报错，那么就直接使用conda install git即可
之后继续运行pycocotools的安装语句，等待其完成，这里只要显示了Cloning一般不会失败，只有可能会掉网。

当然在这里也可以自己下载好对应网址的github，然后放在桌面，找到PythonAPI地址，之后输入

pip install -e.

千万不要漏了e后面的点！！！

Pycocotools安装完成后，继续在cmd窗口中输入

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

安装detectron2（和安装pycocotools一样，可以直接pip或者是下载好到桌面之后找到setup.py所在pip install -e.）
安装完成后，我们在cmd窗口里输入conda list这时候看到列表里已经有我们装好的detectron2的库
这时候detectron2也大功告成了~

第三部分、Pycharm运行

紧接着我们在pycharm中，把我们新创建的环境添加到编译环境里。File-settings-Project：BDD_back

这里会先显示<No interpreter>，接着点右侧那个齿轮，选择Add…，跳出Add Python Interpreter之后选择Conda Environment，接着选择Existing environment

接着我们把Interpteter展开选择我们刚刚新建立的detectron2这一项

确认即可，至此pycharm配置完毕

然后运行我们的训练程序，有如下输出：

显然的我们的全部环境配置完毕，可以在windows系统下快乐的利用gpu跑detectron2的模型了~并且还不会和原有的任何库冲突，是不是超级棒！

这里再放一张在ubuntu16.04下跑的测试图，看下效果，实际上windows训练完测试是一样的啦~只是懒得等了就放一下之前跑的图

效果还是相当ok滴~

写在后面的话

写这篇文章的目的，更多的还是希望给更多的cv入门小白一个正确的合理的配置环境的顺序，题主自己电脑也是如此配置的，在写文章的之前还特意全部重新又装过一遍，发现都ok，没有什么问题，只要按照上面那个顺序执行，就一定不会有问题~

好啦，这一次的超详细整理就到这里了~

链接

百度网盘链接：
https://pan.baidu.com/s/10LaJdfisi9Vl4euOHOJ4Ng

提取码：40mr

盘里是直接给你们下载好的detectron2 和 windows10支持的pycocotools

如果大家喜欢这样超详细的整理 还请大家给点支持呐！

下一篇 打算详细的写一写如何构造自己的符合COCO的数据集，如何训练自己的数据集，题主这里是利用了现在较大的无人驾驶（BDD）的数据集进行训练的 有兴趣的小伙伴可以追下更新哦~