计算机视觉工具：Detectron2学习手册（－）环境配置

一　本人主机环境

ubuntu18.04 + cuda10.2 + Geforce 1080Ti + anaconda3

二　环境配置

1 在anaconda中构建新环境(配置Detectron2的预备环境)

conda create -n detectron2 python=3.6

激活detectron2环境

conda activate detectron2

安装pytorch和torchvision，pytorch版本要≥1.3

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

安装openCV

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100 opencv-python

安装fvcore

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100　'git+https://github.com/facebookresearch/fvcore'

安装pycocotools

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100 cython
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --default-timeout=100 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

GCC >= 4.9

2 Detectron2安装

git clone https://github.com/facebookresearch/detectron2.git
cd detectron2
python setup.py build develop

3 Detectron2测试

在model_zoo提前下载好预训练模型，下载的模型需要与detectron2/configs下不同类型应用下（COCO-Detectron\COCO-InstanceSegmentation等）的yaml文件要相匹配，例如使用下图中的第一个yaml文件，

那么对应下载的预训练权重文件为，下载结果为：model_final_721ade.pkl文件，注意不要被这里的pkl后缀权重文件误导，当我们训练自己的数据集，得到的权重文件是.pth结尾的，观察训练日志文件就能发现．

python demo/demo.py  \
    --config-file ．/configs/COCO-Detection/faster_rcnn_R_50_Ｃ4_1x.yaml \
    --input ceshi/test.jpg --output outputs/ \
    --opts MODEL.WEIGHTS './model_zoo/model_final_b275ba.pkl'