Windows11安装Detectron2（附详细操作指南）

Windows11安装Detectron2

0.简介

Detectron2 是 Facebook AI Research 的下一代目标检测库，可提供最先进的检测和分割算法。 它是 Detectron 和 maskrcnn-benchmark 的继任者。它支持 Facebook 中的许多计算机视觉研究项目和生产应用程序。现在也有越来越多的模型基于detectron2构建或部署。下面是框架模型能实现的基本效果。

由于detectron2 官方不支持Windows系统，所以在windows系统上安装有些坑需要注意，本文介绍在windows11系统上安装Detectron2的步骤和注意事项。
图像来源：https://github.com/facebookresearch/detectron2

1.系统环境

测试机器的软硬件基本配置如下：

• windows 11
• anaconda（conda版本4.12.0）
• pytorch 1.11.0
• torchvision 0.12.0
• cuda 11.3
• cuDNN 8.0
• python 3.8 （其他支持的版本也可以）
• RTX 3080 laptop
• Visual Studio（编译detectron2时会用到，二选一）
  • vs 2015
  • vs 2019
• 安装时间：2022.7.12（当天下载的新版本，部分安装文件的代码与之前的有所不同）

2. Detectron2下载地址

• Detectron2仓库地址（下载框架源码）
• Detectron2官方文档（介绍安装和使用方法，无windows安装选项）
• Detectron2 Model Zoo地址（通过Model Zoo下载预训练模型测试或是用）
• 下载detectron2-main.zip后，解压到没有中文路径名的文件夹下例如：D:\python\detectron2-main

3. windows11安装detectron2

• Detectron2官方不提供windows支持
• 实践证明windows 11可以正常安装和使用Detectorn2
• 以下步骤在本机测试有效，不排除因不同电脑的系统环境等因素出现其他问题，建议根据提示逐一解决

(1) 新建conda环境

• 创建新环境yolov7。因本机已经有pytorch1.11的环境，因此这里直接拷贝该环境，避免重复安装pytorch1.11

conda create -n yolov7 --clone pytorch1.11

• 激活环境

conda activate yolov7 

(2) 安装pytorch

对于还没有安装pytorch1.11的同学，可以在刚创建的conda环境中执行如下命令快速安装指定版本的torch和cudatoolkit

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio cudatoolkit=11.3

(3) 安装cocoapi

• 为使用户更好地使用 COCO 数据集, COCO 提供了各种语言的API
• Detectron2依赖cocoapi，在此提前安装
• cocoapi下载地址
• 下载cocoapi-master.zip后解压到D:\python\cocoapi-master
• 启动conda prompt进入D:\python\cocoapi-master\PythonAPI目录

(yolov7) D:\python\cocoapi-master>
(yolov7) D:\python\cocoapi-master>cd PythonAPI
(yolov7) D:\python\cocoapi-master\PythonAPI>

• 执行【生成命令】

(yolov7) D:\python\cocoapi-master\PythonAPI>python setup.py build_ext --inplace

• 执行【安装命令】

(yolov7) D:\python\cocoapi-master\PythonAPI>python setup.py build_ext install
# 执行提示:
Installed c:\users\irace\.conda\envs\yolov7\lib\site-packages\pycocotools-2.0-py3.8-win-amd64.egg
Processing dependencies for pycocotools==2.0
Finished processing dependencies for pycocotools==2.0

(4) 安装fvcore

• fvcore是一个轻量级的核心库，它提供了在各种计算机视觉框架(如Detectron2)中共享的最常见和最基本的功能
• fvcore仓库地址
• 下载fvcore-main.zip后解压到D:\python\fvcore-main
• 将conda promt窗口切换到D:\python\fvcore-main目录
• 编译安装

(yolov7) D:\python\fvcore-main>python setup.py build --force develop
# 安装提示：
Finished processing dependencies for fvcore==0.1.5

(5) 安装ninja

• Ninja是一个比Make更快速的小型构建系统
• 安装Detectron2需用用到Ninja，在此提前安装
• 继续在conda promt窗口yolov7环境下安装ninja

conda install ninja

(6) 安装Detectron2

• Detectron2仓库地址

• 下载detectron2-main.zip后解压到D:\python\detectron2-main

• 修改文件内容：注意以下所有要修改的文件都是在yolov7环境下找，别改错其他环境的文件了

• 可通过everything搜索找到yolov7环境下对应文件，举例修改argument_spec.h文件，找env\yolov7文件夹中的文件
  

• 修改cpp_extension.py

C:\Users\irace.conda\envs\yolov7\Lib\site-packages\torch\utils\cpp_extension.py

第318行，注释的是原语句，后一行是改后的

# match = re.search(r'(\d+)\.(\d+)\.(\d+)', compiler_info.decode(*SUBPROCESS_DECODE_ARGS).strip())
match = re.search(r'(\d+)\.(\d+)\.(\d+)', compiler_info.decode(' gbk').strip())

• 修改argument_spec.h

C:\Users\irace.conda\envs\yolov7\Lib\site-packages\torch\include\torch\csrc\jit\runtime\argument_spec.h

第170行，注释的是原语句，后一行是改后的

// static constexpr size_t ARG_SPEC_DEPTH_LIMIT = 128;
static const size_t ARG_SPEC_DEPTH_LIMIT = 128;

• 修改Detectron2文件夹下ROIAlignRotated_cuda.cu

D:\python\detectron2-main\detectron2\layers\csrc\ROIAlignRotated\ROIAlignRotated_cuda.cu

将所有的ceil改为ceilf

建议用vs code等工具打开代码查找并替换，注意不能用replace all，因为有文件中有的函数名中包含ceil字母，必须一个个查看替换：

• 修改Detectron2文件夹下deform_conv_cuda_kernel.cu

D:\python\detectron2-main\detectron2\layers\csrc\deformable\deform_conv_cuda_kernel.cu

将所有的floor改为floorf

• 修改Detectron2文件夹下cocoeval.cpp

D:\python\detectron2-main\detectron2\layers\csrc\cocoeval\cocoeval.cpp

487行，注释的是原语句，后一行是改后的

  // localtime_r(&rawtime, &local_time);
  localtime_s(&local_time,&rawtime);

• 下面可以开始编译，在Detectron-main文件夹下，执行命令

(yolov7) D:\python\detectron2-main>python setup.py build develop

可能的错误1：

• 检测到的 CUDA 版本 (10.0) 与用于编译的版本不匹配

# 错误提示：
raise RuntimeError(CUDA_MISMATCH_MESSAGE.format(cuda_str_version, torch.version.cuda))
RuntimeError:
The detected CUDA version (10.0) mismatches the version that was used to compile
PyTorch (11.3). Please make sure to use the same CUDA versions.

• 使用conda list命令，检查pytroch的cuda版本为cuda11.3：

pytorch                   1.11.0          py3.8_cuda11.3_cudnn8_0   

• 再检查系统安装的CUDA目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

• 发现本机装了多个CUDA版本：9.2,10.0,11.3
• 再检查系统环境变量CUDA_PATH设置是v10.0的版本
• 因此，将系统环境变量CUDA_PATH改为11.3版本：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

• 重启conda prompt （修改环境变量后必须重启命令行工具生效）

• 再次激活yolov7环境，并进入detectron2-main目录，再次执行命令

(yolov7) D:\python\detectron2-main>python setup.py build develop

可能的错误2：

• 发现在执行上述安装命令过程中，会下载很多个依赖库，一直报下载超时的错误
• 例如：下载pathspec>=0.9.0超时，提示：

Installed c:\users\irace\.conda\envs\yolov7\lib\site-packages\mypy_extensions-0.4.3-py3.8.egg
Searching for pathspec>=0.9.0
Reading https://pypi.org/simple/pathspec/
Downloading https://files.pythonhosted.org/packages/42/ba/a9d64c7bcbc7e3e8e5f93a52721b377e994c22d16196e2b0f1236774353a/pathspec-0.9.0-py2.py3-none-any.whl#sha256=7d15c4ddb0b5c802d161efc417ec1a2558ea2653c2e8ad9c19098201dc1c993a
error: Download error for https://files.pythonhosted.org/packages/42/ba/a9d64c7bcbc7e3e8e5f93a52721b377e994c22d16196e2b0f1236774353a/pathspec-0.9.0-py2.py3-none-any.whl#sha256=7d15c4ddb0b5c802d161efc417ec1a2558ea2653c2e8ad9c19098201dc1c993a: timed out

• 检查发现是要找 pathspec>=0.9.0时下载超时，可以用pip选择清华源安装

pip install pathspec==0.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple   
# ...
Successfully installed pathspec-0.9.0

• 为了节约时间不一个个下载，可以执行setup.py时，直接将清华源加上，随后过程一马平川：

(yolov7) D:\python\detectron2-main>python setup.py build develop -i https://pypi.tuna.tsinghua.edu.cn/simple

• 最后的结果

Finished processing dependencies for detectron2==0.6

4.测试安装

(1) 下载模型

• Detectron2 Model Zoo地址
• 选择model zoo中一个模型下载用于测试
• 注意1个模型需要下载2个文件：
  • 表格第1列模型名称右键另存的是 [*.yaml] 模型描述文件
  • 表格倒数第2列model按钮右键另存为的是 [*.pkl] 权重文件
• 下载权重文件*.pkl
  • 例如，下载模型权重文件为：model_final_280758.pkl
  • 在D:\python\detectron2-main下新建一个models目录存放下载的模型权重（也可以放其他地方）
  • 在models目录下新建models\faster_rcnn_R_50_FPN_3x目录（模型多了，用文件夹名区分不同的模型权重）
  • 将权重model_final_280758.pkl拷贝到D:\python\detectron2-main\models\faster_rcnn_R_50_FPN_3x\中
• 下载网络结构文件*.yaml
  • 例如，下载模型结构文件为：faster_rcnn_R_50_FPN_3x.yaml
  • 将上述文件拷贝到D:\python\detectron2-main\configs中合适的文件夹下（该文件夹下默认已经有很多模型的结构文件了）
• 下面是Faster R-CNN系列模型下载地址:

Name	lr sched	train time (s/iter)	inference time (s/im)	train mem (GB)	box AP	model id	download
R50-C4	1x	0.551	0.102	4.8	35.7	137257644	model | metrics
R50-DC5	1x	0.380	0.068	5.0	37.3	137847829	model | metrics
R50-FPN	1x	0.210	0.038	3.0	37.9	137257794	model | metrics
R50-C4	3x	0.543	0.104	4.8	38.4	137849393	model | metrics
R50-DC5	3x	0.378	0.070	5.0	39.0	137849425	model | metrics
R50-FPN	3x	0.209	0.038	3.0	40.2	137849458	model | metrics
R101-C4	3x	0.619	0.139	5.9	41.1	138204752	model | metrics
R101-DC5	3x	0.452	0.086	6.1	40.6	138204841	model | metrics
R101-FPN	3x	0.286	0.051	4.1	42.0	137851257	model | metrics
X101-FPN	3x	0.638	0.098	6.7	43.0	139173657	model | metrics

(2) 安装opencv

• demo需要是用opencv库
• 安装opencv-python，从清华源找一个可以下的版本，这里选择4.5.5.62版下载

(yolov7) D:\python\detectron2-main>pip install opencv-python==4.5.5.62 -i https://pypi.tuna.tsinghua.edu.cn/simple 

(3) 运行测试代码

• 准备待测图像

  • demo.py同级目录下新建images文件夹：D:\python\detectron2-main\demo\images
  • 将待测图像拷贝到D:\python\detectron2-main\demo\images文件夹（也可以放其他目录）

• demo运行方式1：命令行运行demo.py

  • 用conda promt在D:\python\detectron2-main目录下运行demo/demo.py（注意demo.py的路径）
  • 这个命令参数太多太长，容易输入错误，各种提示找不到文件或路径

python demo/demo.py --config-file ../configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml --input images/rally.jpg --opts MODEL.WEIGHTS ../models/faster_rcnn_R_50_FPN_3x/model_final_280758.pkl

• demo运行方式2：在pycharm中运行demo.py，这种方式方便调试

  • 在pycharm中打开Detectron2工程中的demo.py文件

  • 设置命令行参数：Run → Edit Configuration → Configuration → Parameters中输入命令行参数如下：

    –config-file
    …/configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml
    –input
    images/rally.jpg
    –output
    output
    –opts
    MODEL.WEIGHTS
    …/models/faster_rcnn_R_50_FPN_3x/model_final_280758.pkl
    

  • 点击【ok】后，直接即可在pycharm中运行demo.py

  • 运行后，检测结果rally.jpg将自动保存在D:\python\detectron2-main\demo\output文件夹下
    

• 至此，Windows 11下安装Detectro2圆满结束。

本文更新地址：https://blog.csdn.net/iracer/article/details/125755029?spm=1001.2014.3001.5501
转载请注明出处。