Ubuntu22.04_SOLOv2环境配置【个人笔记，仅做参考】

readme！！！

本科电气专业，半个月内开始接触这些，很多都不懂，都是在网上找的各种解决方案，距离我成功跑出源码时隔24小时，有些步骤可能会漏掉，可能会有重复，所以本文仅作为个人笔记，以免后面忘了我是怎么搞出来的，仅做参考，不喜勿喷

大环境背景

• 本人将原来的windows系统全部卸载，128G固态硬盘全部清空，另外从机械硬盘分出150G空间
• 重装windows10专业版和Ubuntu22.04双系统，完全参考下面两篇帖子安装，双系统一次安装成功
  链接: 使用U盘重装Windows10系统详细步骤及配图【官方纯净版】
  链接: 然后跟着这篇文章装Ubuntu22.04系统
• 笔记本电脑CPU：i7 8代
• 电脑型号：微星GF63-8RD
• GPU：GeForce 1050ti
• 128G固态硬盘，1T机械硬盘
• 系统前一天晚上装的，文章第二天下午写的（2022年10月16日15：00），中间步骤可能会有遗漏

CUDA安装

• 更新下最新的驱动

1. 打开“软件更新器”
   
   2.点击“设置”
   
   3.点击“附加驱动”
   
   4.点击后面数值最大的，我这时候最大的是515，不要选测试版，然后点“应用更改”
   
   5.然后会提示你重启系统，你重启就完事了

• 安装CUDA和Cudnn
  1.SOLOv2最高在CUDA10.1版本测试过，更高版本的没有试过，所以结合我们电脑系统自身，我们装CUDA11.x，具体安装参考这个西工大大佬安装步骤，中间不明白的可以去CSDN搜索
  链接: 西工大大佬带你安装cuda和cudnn
• Cudnn是专门用来加速深度学习的玩意儿，结合自己电脑硬件，选择安装，不过最好还是装上为好

安装ANACONDA

下载ANACONDA

• 从官网下载太慢了，我用的清华镜像下载
  链接: ANACONDA清华镜像下载
  我下载的是2021.11 linux 86X64版本
  

• 在用户文件夹下面新建一个conda文件夹，将下载好的SH文件拖到里面去，选中然后右键，选择在终端打开

• 在终端输入下面命令，安装过程，一路yes+回车

bash Anaconda3-2021.11-Linux-x86_64.sh

• 安装好后先关闭终端，然后再打开终端，前面有个（base）就是成功了
• 查看conda版本号

conda init #初始化
conda --version #查看版本
conda init #初始化

添加镜像源

• 启动环境

cd  anaconda3/bin
chmod +x activate
. activate 
# 相当于source activate

• 添加channels

sudo apt install vim

vim ~/.condarc

-将下面的代码添加进去，linux命令不太懂，当时不知道怎么退出，就直接把终端关了，又重新进入conda环境

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

• 还没完，先清除conda索引缓存，保证用的是清华镜像源

conda clean -i #清楚索引
conda config --set show_channel_urls yes
conda config --get channels

• 退出conda环境

conda deactivate

• pip 设置清华镜像源（其实这个和上面步骤重复了，我记得我当时都执行了一遍）

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

另一种安装镜像源的方法

conda config --show channels #查看目前已有的镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/#添加清华源
conda config --set show_channel_urls yes#从channel中安装包时显示channel的url,这样就可以知道包的安装来源
conda config --show channels#验证一下配置是否成功

• 还有一些其他的镜像源，可以选择安装

国内常用的anaconda镜像：
http://mirrors.aliyun.com/pypi/simple/ #阿里
https://pypi.tuna.tsinghua.edu.cn/simple/ #清华
http://pypi.douban.com/ #豆瓣
http://pypi.mirrors.ustc.edu.cn/ #中国科学技术大学

建议下面也全部添加，虽然有些可能用不到，但是实际包含比较冷门的包
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --set show_channel_urls yes

正题-配置solov2环境

• 注意：pytorch和torchvision最好用官方推荐的版本，我用的版本为pytorch=1.4.0,torchvision=0.5.0,cudatoolkit=10.1
  

# 创建虚拟环境
conda create -n solo python=3.7 -y
conda activate solo

#安装 pytorch==1.4.0 torchvision==0.5.0  试了别的1.7.0啥的都没成功
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1 -c pytorch

#安装opencv-python
pip install opencv-python

#安装mmcv，安装参考官方https://github.com/open-mmlab/mmcv/tree/v0.2.16
pip install mmcv-full 

#安装mmdection，安装命令参考官方https://github.com/open-mmlab/mmdetection 1.0.0
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements/build.txt
pip install -v -e .  # or "python setup.py develop"

#SOLO  参考https://github.com/WXinlong/SOLO/blob/master/docs/INSTALL.md
git clone https://github.com/WXinlong/SOLO.git
cd SOLO
pip install -r requirements/build.txt     #solo文件中在requirements文件夹中将torch版本相关注释掉，防止重新安装，上面已经安装了1.4.0了
## 由于有墙，一直失败，后来该车为gitee仓库
pip install "git+https://gitee.com/wsyin/cocoapi.git#subdirectory=PythonAPI"
pip install -v -e .  # or "python setup.py develop"

• 在安装SOLO时，看到有个博主不是这样安装的，又从SOLO这开始安装了所需的module

git clone https://github.com/WXinlong/SOLO.git 
cd SOLO
#上面两步不执行，直接执行下面两步
pip install scipy
python setup.py develop

• 成功后会弹出下面的提示
  
• 最后SOLO文件是在MMdetection文件夹里面的
• 至此，SOLOv2环境配置完成

SOLOv2测试

• 在“SOLO”文件夹下面创建一个新的文件夹“checkpoints”,并把demo所需要的moodel放在这个文件夹里面
  Decoupled_SOLO_R50_3x：
  链接: Decoupled_SOLO_R50_3x
• 刚下载的pth文件放在checkpoints文件夹里面
• 在SOLO文件夹下面打开“终端”或者“terminal”

conda activate solo # 进入刚创建的虚拟环境

cd demo
python inference_demo.py

• 等它运行完后会出现一个警告，不用管它
• 在你的文件夹SOLO–demo里面多了一个文件“demo_out.jpg”,这个就是实例分割后的结果图