【detectron2】detectron2在ubuntu16.04系统下安装报错问题

本文介绍了在Ubuntu16.04系统中,使用detectron2进行深度学习图像识别时遇到的安装问题及解决方法。问题包括ninja版本读取错误和conda与pip混用导致的冲突,解决方案分别是对torch源码进行修改和统一使用pip安装所有依赖。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

有问题请留言,争取持续更新。

硬件环境

1、显卡:2080Ti
2、CUDA环境:cuda10.1,cudnn7.6.3

anaconda3环境

1、python=3.6
2、opencv=3.4.2
3、pycocotools=2.0.0

问题

1、ninja: build stopped: subcommand failed. Traceback (most recent call last): File "/home/fpi/anaconda3/envs/abcnet/lib/python3.6/site-packages/torch/utils/cpp_extension.py", line 1400, in _run_ninja_build check=True) File "/home/fpi/anaconda3/envs/abcnet/lib/python3.6/subprocess.py", line 438, in run output=stdout, stderr=stderr) subprocess.CalledProcessError: Command '['ninja', '-v']' returned non-zero exit status 1.
原因
ninja这个包在bash下查看版本:
在这里插入图片描述
解决办法:<

### 解决 Detectron2 安装过程中遇到的报错 #### 环境配置问题 当 Windows 需要在安装某些库时自行编译,如果本机缺乏相应的编译环境,则会引发各种错误[^1]。对于 GPU 版本的 detectron2,在特定硬件环境下(如 NVIDIA GeForce GTX 1060 使用 CUDA 11.8)可能会遭遇一系列复杂的问题,尤其是那些涉及文件写入操作的异常情况,这可能是由于 CUDA 的版本兼容性引起的[^2]。 #### 虚拟环境一致性检查 针对 `RuntimeError` 和 Ninja 构建工具返回非零退出状态等问题,建议仔细核查当前使用的 Python 虚拟环境中各个依赖包的一致性和版本匹配度。具体而言,通过命令 `conda list` 和 `pip list` 来对比 PyTorch 及其配套组件 torchvision 是否存在版本差异。一旦发现两者之间存在冲突或不一致的情况,应当考虑移除其中一个重复项以保持统一,例如可以使用 `conda uninstall` 命令来删除 Conda 渠道下的指定软件包[^3]。 #### 正确处理构建过程中的循环日志现象 在执行 setup.py 或其他形式的安装脚本期间,有时会出现看似无限循环的日志输出。然而,只要观察到其中包含了下载资源的信息,通常意味着整个流程正在正常推进直至完成。因此不必过分担心此类表象上的反复打印行为;相反,应耐心等待最终的成功提示出现。 ```bash # 检查并清理虚拟环境内的冗余包 conda list torch* # 列出所有与PyTorch相关的已安装包 pip freeze | grep torch # 查看Pip管理下的相同内容 conda remove --name your_env_name package_to_remove # 移除不必要的包 ```
评论 12
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