安装detectron2记录

本文提供了一种解决服务器网络慢导致的PyTorch安装问题的方法,通过直接下载并安装特定版本的PyTorch和torchvision轮子文件,以及详细步骤指导如何安装pycocotools库。
部署运行你感兴趣的模型镜像

安装pytorch:选择对应版本

由于服务器网络问题,pip命令安装时速度非常慢,选择分别去网站:

下载两个文件:

torchvision-0.6.0+cu101-cp36-cp36m-linux_x86_64.whl

torch-1.5.0+cu101-cp36-cp36m-linux_x86_64.whl

下载完成后传到服务器,安装这两个文件:

pip3 install torch-1.5.0+cu101-cp36-cp36m-linux_x86_64.whl  torchvision-0.6.0+cu101-cp36-cp36m-linux_x86_64.whl 

测试:

In [1]: import torchvision                                                      

In [2]: import torch                                                            

In [3]: torch.cuda.is_available()                                               
Out[3]: True
完成pytorch的安装。

安装pycocotools: 

pip install cython

pip install -U 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

<think>嗯,用户现在遇到了安装detectron2时无法识别PyTorch的问题。从对话历史看,用户已经尝试过编译安装但失败了,现在需要针对性的解决方案。 用户提供的三个引用信息很有价值: 引用1提到环境路径冲突和版本兼容性问题,特别是conda环境中的PyTorch未被pip识别[^1]; 引用2显示CUDA文件编译错误[^2]; 引用3则详细记录了Windows下的完整安装流程[^3]。 用户的核心痛点是torch未被识别,这通常发生在混合使用conda和pip的环境下。结合引用1的分析,根本原因可能是: - 虚拟环境激活不彻底 - PyTorch未正确安装到当前环境 - detectron2编译时未找到torch头文件 需要提供分步解决方案: 第一步必须验证PyTorch安装有效性,这是基础; 第二步重点解决编译时的路径问题,特别是让setup.py能定位到torch; 第三步针对Windows特有编译问题给出变通方案。 考虑到用户可能是研究人员或开发者,解决方案要兼顾准确性和操作安全性。对于编译错误,采用修改源码的方案要谨慎,必须明确标注风险。 最后需要提醒版本兼容性矩阵的重要性,因为detectron2对PyTorch/CUDA版本极其敏感。用户之前遇到的"命名空间detectron2不认识"错误引用2]就是典型版本冲突。 准备在回复时补充两个关键注意事项: 1 环境隔离的重要性(避免多个Python版本冲突) 2 显卡驱动匹配原则(CUDA版本需贯穿驱动-PyTorch-detectron2全链路) </think>安装 detectron2 时无法识别 PyTorch 的常见原因及解决方案如下(综合引用内容分析): ### 🔧 根本原因分析(引用[1]) 1. **环境路径冲突** Conda 环境的 PyTorch 未被编译环境识别,因 `pip` 在独立隔离环境中构建[^1] 2. **版本不兼容** PyTorch / CUDA / detectron2 版本组合不匹配(常见于 Windows 平台)[^1][^3] 3. **头文件缺失** 编译时找不到 PyTorch C++ 头文件(如 `box_iou_rotated_utils.h` 相关错误)[^2] --- ### 🛠️ 逐步解决方案 #### ✅ 步骤 1:验证 PyTorch 安装 ```bash # 激活您的 conda 环境(例如 MOTR-motr_bdd100k) conda activate MOTR-motr_bdd100k # 运行 Python 检查 python -c "import torch; print(torch.__version__, torch.cuda.is_available())" ``` *👉 预期输出:显示PyTorch版本且 CUDA 状态为 `True`。若失败,需重新安装匹配的PyTorch* #### ✅ 步骤 2:手动编译安装(解决路径冲突) ```bash # 进入 detectron2 源码目录 cd D:\DevAI\...\detectron2 # 关键操作:设置 PyTorch 头文件路径 set FORCE_CUDA=1 set TORCH_CUDA_ARCH_LIST=7.5 # 根据显卡架构修改(RTX 30系为8.6) # 手动编译(绕过 pip 隔离环境) D:\Aenvs\MOTR-motr_bdd100k\Scripts\python setup.py build develop ``` *📌 核心原理:`setup.py develop` 模式直接链接当前环境中的 PyTorch [^1]* #### ✅ 步骤 3:解决头文件引用错误(引用[2]) 若出现 `namespace detectron2 not found` 或 `single_box_iou_rotated undefined`: 1. 编辑报错的 `.cu` 文件(如 `nms_rotated_cuda.cu`) 2. **添加头文件引用**(非简单注释!): ```cpp // 在文件顶部添加 #include "box_iou_rotated/box_iou_rotated_utils.h" ``` 3. 重新执行步骤 2 的编译命令 --- ### ️ 版本兼容性关键(引用[3]) | 组件 | 推荐版本 | 验证命令 | |------------|-------------------|--------------------------| | **PyTorch** | 1.10+CUDA11.3 | `conda list pytorch` | | **CUDA** | 需匹配 PyTorch 版 | `nvcc --version` | | **GCC** | < 9.0 (Windows) | `gcc --version` | | **VC++** | 2019 (必须安装) | Visual Studio Installer | > 📌 特别注意:Windows 必须安装 **C++ 编译环境**(VS2019 Build Tools)并配置 x64 Native Tools 命令行[^3] --- ### 📚 补充建议 1. **环境清洁化** ```bash conda create -n detectron2_env python=3.8 -y # 新建独立环境 ``` 2. **版本精确匹配** 参考 detectron2 官方文档 ([https://detectron2.readthedocs.io/](https://detectron2.readthedocs.io/)) 的版本兼容表 3. **Windows 专用修复** 若仍失败,尝试: ```bash pip install git+https://github.com/facebookresearch/detectron2.git@v0.6 --no-cache-dir ``` --- ### 相关问题 1. 如何验证 CUDA 与 PyTorch 的兼容性? 2. Windows 编译 detectron2 为何需要 Visual Studio? 3. 如何解决 `error: identifier "AT_CHECK" is undefined` 这类编译错误? > 引用来源: > [^1]: 环境路径冲突与构建隔离机制分析 > [^2]: CUDA 文件编译错误解决方案 > [^3]: Windows 平台依赖环境配置指南
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值