Ubuntu22.04+conda 安装Detectron2

搭建Detectron2环境
本文详细介绍了如何通过conda创建虚拟环境并安装PyTorch、fvcore等依赖库,以及解决安装过程中遇到的问题如g++缺失和下载源配置,并最终完成Detectron2的安装与验证。
部署运行你感兴趣的模型镜像

1.虚拟环境

conda是可以创建虚拟环境的,如果已经有虚拟环境可以不用创建,如果为了互不干扰可以创建新的环境相关命令如下:

# 创建环境 
conda create -n det python=3.10
# 删除环境
conda remove -n det --all
# 激活环境
conda activate det

正常情况下创建环境和激活环境就可以了,如果安装过程中遇到了意外情况是可以删除环境,然后重新来过的

2.安装pytorch

pytoch的安装可以参照pytorch官网  Previous PyTorch Versions | PyTorch

具体的按照官网操作就可以了,我使用的是cuda11.7 加 pytorch1.12 具体的要根据自己的情况来选择

# CUDA 11.6
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge

3. 安装fvcore

暂时不清楚这个是做什么用途,是按照知乎说明操作的

pip install fvcore

4.安装g++

安装过程中一直遇到一个错误,最后才发现是没有安装g++

错误如下:

 subprocess.CalledProcessError: Command '['which', 'g++']' returned non-zero exit status 1.
    [end of output]

安装命令:

sudo apt-get install build-essential

5.安装pycocotools

安装过程中总会遇到下载中断的情况,最终发现是因为下载源的问题,所以都需要指定下载源,具体如下

pip3 install pycocotools -i https://pypi.tuna.tsinghua.edu.cn/simple

6.安装detectron2

git clone https://github.com/facebookresearch/detectron2.git
cd detectron2
python -m pip install -e detectron2

如果发现总是下载中断的情况需要指定下载源,具体如下:

python -m pip install -e detectron2 -i https://pypi.tuna.tsinghua.edu.cn/simple

7.验证

# 打开终端,确人是否在 detectron2 的文件夹路径下
python demo/demo.py --config-file configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input 1.jpg --output ./result.jpg --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

几个需要注意的问题:

1.如果遇到git不下来的情况,可以使用手工下载放到相应位置然后使用再终端操作

2.经常更新一下源 sudo apt-get update

3.pip install -e的开始位置为当前位置,如果在detectron2路径下安装的话是不能使用-e的,也就是说需要在detectron2的上一级目录才可以。即不能执行上面的 cd detectron2

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

### 在 Ubuntu 22.04 上通过 Conda 创建和配置虚拟环境的指南 在 Ubuntu 22.04 系统上使用 Conda 创建和管理虚拟环境是一项常见的任务,以下是详细的操作说明。 #### 配置 Conda 的镜像源 为了加速 Conda 包的下载速度,可以将清华大学的镜像服务器添加到 Conda 的源列表中。在终端中执行以下命令: ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes ``` 这些命令将确保 Conda 使用更快的镜像源进行包管理[^1]。 #### 查看已配置的镜像源 可以通过以下命令检查当前配置的镜像源是否正确: ```bash conda config --show ``` #### 创建新的 Conda 虚拟环境 创建一个新的 Conda 虚拟环境时,可以指定 Python 版本。例如,创建一个名为 `myenv` 的虚拟环境,并指定 Python 版本为 3.9: ```bash conda create -n myenv python=3.9 ``` 这条命令会创建一个名为 `myenv` 的虚拟环境,并安装指定版本的 Python[^2]。 #### 激活和停用虚拟环境 激活刚刚创建的虚拟环境: ```bash conda activate myenv ``` 停用当前激活的虚拟环境: ```bash conda deactivate ``` #### 查看所有已创建的虚拟环境 如果需要查看系统中已有的所有 Conda 虚拟环境,可以运行以下命令: ```bash conda env list ``` 或者使用更简洁的形式: ```bash conda info --envs ``` #### 删除虚拟环境 如果不再需要某个虚拟环境,可以通过以下命令删除它。例如,删除名为 `myenv` 的虚拟环境: ```bash conda remove -n myenv --all ``` #### 安装额外的包 在激活的虚拟环境中,可以使用以下命令安装所需的 Python 包。例如,安装 NumPy: ```bash conda install numpy ``` #### 导出和导入虚拟环境 导出当前虚拟环境的依赖关系到文件: ```bash conda list --export > requirements.txt ``` 从文件中恢复虚拟环境的依赖关系: ```bash conda create --name newenv --file requirements.txt ``` ---
评论
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