RTX3090Ti CenterNet 环境搭建

前言

        按照CenterNet作者公开的readme文件夹中的install.md进行操作，本文在实验环境为Ubuntu18.04 RTX3090Ti，Anaconda，Python3.6，CUDA11.0， Pytorch1.7.1。

1.创建虚拟环境

conda create -n CenterNet python=3.6  #创建名为CenterNet，Python=3.6的虚拟环境
conda activate CenterNet              #激活该虚拟环境

2.安装pytorch

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

3.Clone CenterNet

git clone https://github.com/xingyizhou/CenterNet
cd CenterNet
pip install -r requirements.txt #安装所依赖的包

4.安装cocoapi

git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
make
python setup.py install --user

5.编译DCNv2（可变形卷积）

 下载GitHub - MatthewHowe/DCNv2: Deformable Convolutional Networks v2 with PytorchDeformable Convolutional Networks v2 with Pytorch. Contribute to MatthewHowe/DCNv2 development by creating an account on GitHub.https://github.com/MatthewHowe/DCNv2替换CenterNet/src/lib/models/networks/文件夹下的DCNv2。

cd CenterNet/src/lib/models/networks/DCNv2 #先进入该文件夹
./make.sh
#或者
python setup.py build develop

如果运行代码setup时出现nvcc fatal : Unsupported gpu architecture ‘compute_86‘的问题，经查找，发现根本问题是显卡与cuda版本支持的算力不匹配。

解决办法：

进入~/.bashrc  

添加 export TORCH_CUDA_ARCH_LIST="8.0" ，这个8.0 就是限制的显卡算力。

6.编译NMS

cd CenterNet/src/lib/external
make

参考：

CenterNet：Objects as points 环境配置（Ubuntu18.04+RTX3090+CUDA11+Pytorch1.7）_莫愁-前路的博客-CSDN博客

如何使用CenterNet做3D目标检测测试_zzsqwq.的博客-CSDN博客