AlphaPose windows+ubuntu双平台配置运行

AlphaPose更新的比较快，很多以前的教程已经和现在不一样了，本文写于2022年11月，希望可以帮助大家成功配置运行AlphaPose。

目录

源代码

根据pytorch版本选择分支

 Anaconda查看自己pytorch版本的方法

Anaconda创建新的环境安装pytorch

AlphaPose的README

Model Zoo

Quick Start

windows运行

cython_bbox

Ubuntu运行

其他

---

源代码

GitHub - MVIG-SJTU/AlphaPose: Real-Time and Accurate Full-Body Multi-Person Pose Estimation&Tracking System

需要注意，这里最好去官网的仓库，去其他人的仓库可能会没有后续需要用到的分支。在GitHub直接搜AlphaPose，星星最多的那个就是了。

根据pytorch版本选择分支

在下图位置点开分支。

可以看到以下三个主要使用的分支，分别是pytorch版本大于等于1.11的、在1.5到1.11之间的和pytorch版本小于1.5的，根据自己的pytorch版本进行选择。本文先使用主分支，后来遇到问题后切换到pytorch<1.11分支，未使用过pytorch<1.5分支，请注意甄别。

 Anaconda查看自己pytorch版本的方法

①conda activate 你的环境名

②conda list

然后找到pytorch版本，如下图中的1.10.0

Anaconda创建新的环境安装pytorch

这里需要注意，如果你想用主分支的代码（更新最快），那么需要1.11及以上版本的pytorch，而在pytorch的github官网中可以看到，1.11版本需要python>=3.7，所以在创建环境时需要使用3.7版本以上的python。版本对应如下图：

 

pytorch官网：

GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer Vision 

Anaconda创建环境：

①conda create -n 你的环境名 python=3.7

②conda activate 你的环境名

③安装pytorch，去此路径根据电脑的cuda版本寻找对应安装命令。

Previous PyTorch Versions | PyTorch

如下图中，v1.11.0代表pytorch版本，Conda代表使用conda安装，Linux and Windows代表这俩平台。CUDA 10.2 CUDA 11.3代表不同版本的CUDA需要使用的安装命令。CUDA安装相关略。查看电脑的cuda版本：nvcc -V

由此可以根据pytorch版本选择分支下载代码。

AlphaPose的README

 以下内容均在主分支的AlphaPose中，为我认为的需要注意的东西。按照先后顺序排列。

Model Zoo

 点进MODEL_ZOO.md会发现，里面放了许多AlphaPose可用的模型及用法。

本文使用的是下图中的基于Halpe全身数据集的前26个关键点（不包含脸部和手部）的模型，这个ZOO里面内容非常多，如果此模型不能满足你的功能需求，可以仔细阅读这一页去选择自己需要的模型。

for example,you can run with:是教你如何使用这个模型的，后面的那一行代码如下：

python scripts/demo_inference.py --cfg configs/halpe_26/resnet/256x192_res50_lr1e-3_1x.yaml --checkpoint pretrained_models/halpe26_fast_res50_256x192.pth --indir examples/demo/ --save_img

简化一下就是 python demo_inference.py --cfg xxx.yaml --checkpoint xxx.pth --indir xxx -- save_img

也就是使用

①python运行demo_inference.py，

②设置参数cfg为这个模型对应的.yaml，路径下都有，不用自己下载。

 ③设置参数checkpoint为这个模型对应的.pth，需要在Model Zoo里下载，然后放到参数中所述位置，也就是alphapose-master\pretrained_models下。

④设置输入的东西。

⑤设置保存图片。

 这是命令行里的做法，不太方便，知道原理之后我们可以自己在pycharm中完成相关配置：

点击上图位置，进入下图的配置界面，其中parameters里就填刚刚那些参数，python interpreter里选之前创建的或已有的包含pytorch的环境。需要注意的是，官网样例中的参数，是按照在AlphaPose根目录设置的，而在pycharm运行，相当于是在代码目录运行，所以cfg等参数的地址需要进行修改，也就是加一个../表示回到上一级目录。

indir表示设置输入的图片文件夹，在windows下报错了，所以我直接使用了更简单的方法，把路径直接写在了代码中，删除了-- indir。但是-- save_img还是要保留的。

 至此参数配置就算完成了，待环境配置好就可以运行了。

Quick Start

 

 是教你linux下怎么用他写的inference.sh快速运行的，如果上一步在Zoo里已经弄好了这儿就不需要看了。后面需要训练自己的模型的时候再回来看这里。

windows运行

windows下配置好pycharm之后就右键运行吧，缺哪个库下哪个库，建议每一次下库之前都去百度一下这个库能不能直接pip install xxx，有些可以的，有些不行，比如cython_bbox就不能直接pip，

cython_bbox

在linux下需要先pip install cython，再pip install cython_bbox，但是在windows下就算这样也不行，需要先pip install cython，再

python -m pip install git+https://github.com/yanfengliu/cython_bbox.git

等所有的库装好之后运行，会提示

No such file or directory: 'detector/yolo/cfg/yolov3-spp.cfg'

也是路径问题，直接点进报错的最后一个地方，在darknet.py中的50行左右

file = open(cfgfile, 'r')

把cfgfile换成绝对路径就行

file = open(r'D:\data\SIDS\code\zitaiguji\alphapose-master\detector\yolo\cfg\yolov3-spp.cfg', 'r')

然后加载yolo模型那儿也会报错，大约在darknet.py中的400多行，

fp = open(weightfile, "rb")

换成你自己的绝对路径。

fp = open(r'D:\data\SIDS\code\zitaiguji\alphapose-master\detector\yolo\data\yolov3-spp.weights', "rb")

这两步改完就能跑啦，windows似乎只能用CPU，我的笔记本跑起来十分费劲，跑几张图片看看效果就好了。效果确实比之前用的关键点模型好，所以决定在linux下使用。

Ubuntu运行

我把之前在windows下弄好的代码，包含yolo权重，骨骼关键点权重等，一起弄到了linux下，然后跟上面基本上相同的步骤，调整参数，运行，缺啥库安啥库，linux下安装cython_bbox需要先pip install cython，再pip install cython_bbox

还有No module named 'yaml

并不是pip install yaml，而是pip install pyyaml等。其他环境我不记得了，反正安装之前都搜一下准没错。

但是之后报了个很奇怪的错：

ImportError: cannot import 'roi_align_cuda' from partially initialized module 'alphapose.utils.roi_align' (most likely due to a circular import)
这个错误……网上找不到解决办法。

只有(3条消息) AlphaPose训练自己的数据集_cv-daily的博客-CSDN博客_alphapose 训练

这篇博客有所提及，但是我当时没看懂。去google了一下发现在AlphaPose的Issue里也有人遇到过相同的问题，但是同样没有解决办法。

cannot import name 'roi_align_cuda' · Issue #494 · MVIG-SJTU/AlphaPose · GitHub

不过我在这里看到有人提及setup.py，想了想好像确实之前在windows下一直没弄这个。

 于是跟着下文进行了python setup.py build develop操作。同时也在这里看到了关于pytorch<1.11分支的消息。(3条消息) 2022年最新AlphaPose环境配置（Linux+GPU）_独角兽团队的博客-CSDN博客_"git checkout \"pytorch<1.11"

后来又遇到了

detector/nms/src/nms_kernel.cu:5:10: fatal error: ATen/ceil_div.h: No such file or directory
5 | #include
| ^~~~~~~~~~~~~~~~~
compilation terminated.
error: command '/usr/lib/cuda/bin/nvcc' failed with exit status 1

的错误，在Issue中找到了这个问题

fatal error when running python setup.py build develop · Issue #1063 · MVIG-SJTU/AlphaPose · GitHub

 我的pytorch版本也低于1.11。

看起来是pytorch版本的问题。因此更换成pytorch<1.11分支，最终成功在ubuntu下运行代码。

其他

--vis_fast这个参数，可以加快推理速度，默认是关闭的。开启后未见明显精度下降。不知道有什么其他影响。

--save_video可以保存视频。