从虚拟机到深度学习四：Ubuntu20.04环境，VScode的python环境构建与detectron2的简要调试

---

前言：Ubuntu的文件结构与VScode的快捷键汇总

1.Ubuntu的文件结构

由于后续的开发主要以图形化界面开发，对于Ubuntu操作系统与VScode应该有一定的了解，这里简要收集一下大致情况
打开文件夹，点击other locations->computer，可以看到完整的Ubuntu文件目录结构：

Windows存在多个驱动器盘符，每个盘符形成多个树形并列的情形，而Linux没有盘符这个概念，只有一个根目录，所有文件都在它（/）下面，每个用户都是在/home目录下面建立自己的文件夹：
我的计算机名是detectron2，因此进入后的情况如图所示：

这个文件目录类似于windows的C:\Users\Detectron2，可供用户使用，其余的文件夹目录信息可以参考：

https://blog.csdn.net/liajie/article/details/78616200
https://www.cnblogs.com/138aq/
这两篇博客有较为详细的讲解资料，可以参考学习。

2.VScode的快捷键汇总

快捷键的设置位于File -> Preferences -> Keyboard Shotcuts中：

常用的一些快捷键：

esc # 退出当前窗口
Ctrl + # 屏幕放大
Ctrl - # 屏幕缩小
Ctrl s # 保存

这篇博客有较为详细的整理：
https://www.cnblogs.com/schut/p/10461840.html
实际使用中我会将常用的进行整理，持续更新

一、VScode中python项目的基本使用

1.项目的建立与运行

首先，我在documents中新建VScodeProjects->PythonProjects->env_detectron2->test_001文件夹，存放python测试项目工程：

打开VScode，Files->Open Folder，选中刚刚新建的文件夹进入项目文件

可以看到项目中有四个小标志，点击第一个建立一个新的python文件demo.py，VScode中新文件的创建，后缀名需要自己添加，以区分不同的语言，输入最简单的代码：

按下Ctrl s，进行保存

按下快捷键ctrl+shift+p，输入interpreter，单击筛选出来的结果“Python: Select Interpreter"，就会跳出windows系统上已经安装的所有python解释器，选择自己需要的解释器即可

同时，软件的左下角蓝色区域也可以点击设置：

右击，选择Run Python File in Terminal即可运行：

同时，右上角的绿色开始符号也能直接运行

2.插件的运用

在界面的左下角齿轮处，点击进入settings:

出现如下界面：

VS Code提供了两种设置方式用户设置（user）和工作区设置（workspace）：
用户设置： 这种方式进行的设置，会应用于该用户打开的所有工程；

工作空间设置：工作空间是指使用VS Code打开的某个文件夹，在该文件夹下会创建一个名为.vscode的隐藏文件夹，里面包含着仅适用于当前目录的VS Code的设置，工作空间的设置会覆盖用户的设置。

每个人都有自己的偏好，在使用VS Code进行开发时，都会根据自己的习惯来对VS Code进行用户级别的配置。

但是当多人共同完成某个项目的时候，该项目会有一定的编码规范，如: 编辑某个语言时的设置，代码的缩进等等，这个时候就需要对该项目进行单独的工作空间级别的设置。

我们对工作空间进行设置，搜索python，点击Edit in setting.json：

更改为以下内容：

{
    "workbench.iconTheme": "vscode-icons",
    "python.linting.pylintEnabled": false,
    "python.linting.flake8Enabled": true,
    "python.formatting.provider": "yapf"
}

使用Ctrl+s进行保存：

设置完成后，我们对demo.py进行调试：
运行过程中可以会提示一些插件没有安装，按照右下角的tips之间使用conda命令进行安装即可：

左侧的红点是断点，运行后：


其他详细的教程可以参考：
https://www.php.cn/tool/vscode/（比较推荐）
https://blog.csdn.net/qq_33479881/article/details/83089636
https://blog.csdn.net/yunge812/article/details/81706301
https://www.cnblogs.com/shenba/p/6931331.html

二、detectron2项目demo调试

1.全景分割调试

新建py文件输入以下代码：

import numpy as np
import cv2
from matplotlib import pyplot as plt

import detectron2
from detectron2.utils.logger import setup_logger
setup_logger()

from detectron2.engine import DefaultPredictor
from detectron2.config import get_cfg
from detectron2.utils.visualizer import Visualizer
from detectron2.data import MetadataCatalog

plt.switch_backend('TkAgg')


# 图片的存放地址
im = cv2.imread("/home/detectron2/Downloads/detectron2-master/images/1.jpg")
plt.figure()
plt.imshow(im[:, :, ::-1])
plt.show()

cfg = get_cfg()
# 选用的模型
cfg.merge_from_file("/home/detectron2/Downloads/detectron2-master/configs/COCO-PanopticSegmentation/panoptic_fpn_R_101_3x.yaml")
# 预训练权重的目录
cfg.MODEL.WEIGHTS = "/home/detectron2/Downloads/detectron2-master/pre_train_model/COCO-PanopticSegmentation/panoptic_fpn_R_101_3x/139514519/model_final_cafdb1.pkl"
# 虚拟机只能使用cpu
cfg.MODEL.DEVICE = "cpu"
predictor = DefaultPredictor(cfg)
panoptic_seg, segments_info = predictor(im)["panoptic_seg"]
v = Visualizer(im[:, :, ::-1], MetadataCatalog.get(cfg.DATASETS.TRAIN[0]), scale=1.2)
v = v.draw_panoptic_seg_predictions(panoptic_seg.to("cpu"), segments_info)
plt.imshow(v.get_image()[:, :, ::-1])
plt.show()

点击debug运行，结果：

可以看出能有较好的效果，终端显示：

其中有一个警告：

/home/detectron2/Downloads/detectron2-master/detectron2/modeling/roi_heads/fast_rcnn.py:154: UserWarning: This overload of nonzero is deprecated:
        nonzero()
Consider using one of the following signatures instead:
        nonzero(*, bool as_tuple) (Triggered internally at  /opt/conda/conda-bld/pytorch_1603729004493/work/torch/csrc/utils/python_arg_parser.cpp:882.)
  filter_inds = filter_mask.nonzero()

这是由于版本接口的问题导致的，找到源文件

# 1. Filter results based on detection scores. It can make NMS more efficient
#    by filtering out low-confidence detections.
filter_mask = scores > score_thresh  # R x K
# R' x 2. First column contains indices of the R predictions;
# Second column contains indices of classes.
# filter_inds = filter_mask.nonzero()
filter_inds = filter_mask.nonzero(as_tuple=False)
if num_bbox_reg_classes == 1:
    boxes = boxes[filter_inds[:, 0], 0]
else:
    boxes = boxes[filter_mask]
scores = scores[filter_mask]

nonzero函数使用错误，我们在使用nonzero函数时加入as_tuple这个参数，这里as_tuple=true的时候意思就是返回一个bool元组。而我们一般都是想让其返回一个tensor，因此这里该参数就赋值为false。（上文代码已经更改注释）
保存后进行debug，运行没有报错：