2022年最新的Detectron 2 (0.6) 安装流程（联想笔记本Y9000K+Anaconda+Win 11 +RTX3070)

目录

1.硬件概况

2.安装准备

2.1安装Anaconda

2.2安装 Visual Studio 2019 or 2022

3.正式安转Detectron 2 (0.6)版本

4.测试Detectron2

---

1.硬件概况

联想Legion 7i i7+3070的版本，因为楼主坐标北美，所以电脑型号是美版的，跟国内版本的Y9000K 一模一样， 开机自带Win 11也就直接用了

 

2.安装准备

2.1安装Anaconda

这个论坛里一大堆，我就不赘述了，大家自行安装即可，然后关于安装路径中是否要添加到系统路径这个选项，反正现在各大论坛里，吵的不可开交，原因无非就是，添加了有可能会污染系统的环境变量，在这里大家自行权衡利弊吧，我这台笔记本上是没有勾选添加的，但是办公室台式机上勾选了，目前用起来也没啥问题！

2.2安装 Visual Studio 2019 or 2022

我用的是2022，其实我本来是想下载2019的，手一滑装成了2022

安装了C++和python的package.

如果有的小伙伴手快，就安装了python的包后面想增加C++的包，可以去工具---第一行的获取工具和功能，即可添加所需要的模块。

安装好之后，建议跑一下 vcvars64.bat, 

我的位置是在这个地方，大家根据自己安装的VS 位置去找一下, e.g. "C:\Program Files (x86)\Microsoft Visual Studio\2019\Enterprise\VC\Auxiliary\Build\vcvars64.bat"

之前自己瞎折腾的时候，遇到了dll加载错误的error, 于是搜到了这个解决方案！

3.正式安转Detectron 2 (0.6)版本

先说一下我的配置：

python = 3.9, cudatoolkit=11.3,pytorch=1.10.2, [email protected] (0.6是2021年11月更新的)

3.1 创建Anaconda 环境

打开Ananconda prompt，创建一个新环境Detectron2，选择Python版本3.9, 当然你可以根据自己需要，换成你想要的名字即可.

conda create -n Detectron2 python=3.9

3.2 激活当前环境

conda activate Detectron2

3.3 安装Cuda组建

conda install –c anaconda cudatoolkit=11.3
conda install -c anaconda cudnn
conda install -c anaconda pywin32
conda install pytorch torchvision cudatoolkit=11.3 -c pytorch

3.4 检查GPU时候可以用

打开pthon,输入以下

import torch
torch.cuda.is_available()

如果得到True，证明安装没问题。如果失败，请自行更换，cuda版本尝试

3.5 安装其他包

conda install -c anaconda cython

pip install opencv-python

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

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

pip install av

conda install -c anaconda scipy

conda install -c anaconda ninja

3.6 从Github获取detectron 2 安装包

git clone https://github.com/facebookresearch/detectron2.git detectron_repo

首先应该建好文件夹（比如D:\deeplearning）作为存放代码的位置，可通过cd到该路径，然后将下载包放入 detectron_repo文件夹(D:\deeplearning\detectron_repo),这里文件夹名字最好不要用detectron2,因为你打开文件夹，就发现文件夹里还有一个detectron2文件夹！

3.7 安装库

pip install -q -e detectron_repo
cd detectron_repo
python setup.py build develop

到这里基本上就已经安装完成了！

4.测试Detectron2

我们使用自带的demo.py进行测试

可以下载一张照片，放在目标文件夹里

然后运行

python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input D:/Deeplearning/detection/test.jpg --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

 验证没问题，然后就可以用detectron 2去完成大家的任务了！