Detectorn2篇之介绍和安装

最新推荐文章于 2025-04-17 18:36:43 发布

原创最新推荐文章于 2025-04-17 18:36:43 发布 · 2.5k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #python #深度学习

小白的ai学习之路专栏收录该内容

83 篇文章

订阅专栏

Detectron2篇之介绍与安装

Detectron2是Facebook人工智能研究的下一代软件系统，它实现了最先进的目标探测算法。它是对之前Detectron版本的重写，源自maskrcn -benchmark。github地址：https://github.com/facebookresearch/detectron2
在这里插入图片描述

第二代的更新

它由PyTorch深度学习框架提供支持。第一代用的是caffe
包括更多的功能，如全光分割，密集，Cascade R-CNN，旋转边界框等。全光分割（panoptic segmentation）的方法是何恺明在2019年1月提出的一种方法。论文名叫做Panoptic Feature Pyramid Networks
可以作为一个库来支持它上面的不同项目。我们将以这种方式开源更多的研究项目。
训练起来更快

如何安装？

Github里的创库介绍了，我们的Colab笔记本有安装detectron2的详细步骤说明。Dockerfile还使用一些简单的命令安装detectron2。

需求

Linux or macOS with Python ≥ 3.6 （Windows也可以我就是在Windows上使用的）
PyTorch >= 1.3
PyTorch安装匹配的torchvision。您可以将它们一起安装到pytorch.org以确保这一点。
OpenCV, optional都是需要的
pycocotools: pip install cython; pip install -U git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI’

从源代码构建Detectron2

有了以上依赖项，且gcc和g++≥5后，运行:

python -m pip install 'git+https://github.com/facebookresearch/detectron2.git'
# (add --user if you don't have permission)

# Or, to install it from a local clone:
git clone https://github.com/facebookresearch/detectron2.git
cd detectron2 && python -m pip install -e .

# Or if you are on macOS
# CC=clang CXX=clang++ python -m pip install -e .

如果想要清除掉原有的detectorn2 可以使用 `rm -rf build/ **/*.so`` 。通常需要在重新安装PyTorch后重新生成detectron2。

安装预构建Detectron2

# for CUDA 10.1:
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu101/index.html

你可以用“cu{100,92}”或“cpu”替换cu101。不过我建议使用cpu那样的速度太慢了。

Note：

这种安装必须与最新的官方PyTorch版本(目前是1.4版)一起使用。在你的定制构建的PyTorch环境吓它将不工作。
这样的安装已经过时了。它可能与使用detectron2的研究项目的主分支不兼容

常见的安装问题

如果您在使用预先构建的detectron2时遇到问题，请卸载它并尝试从源代码开始构建它。

每个问题的解决方案:

Undefined torch/aten/caffe2 symbols, or segmentation fault immediately when running the library.

如果detectron2或torchvision没有匹配的PyTorch版本进行编译，就会发生这种情况。
如果您使用预构建的torchvision，请卸载torchvision & pytorch，并按照pytorch.org重新安装它们。如果您手动构建detectron2或torchvision，请删除您构建的文件(build/， **/*.so)并重新构建它们。

Undefined C++ symbols (e.g. GLIBCXX) or C++ symbols not found.
通常是因为这个库是用一个较新的c++编译器编译的，但你是用一个旧的c++版本进行运行。这经常发生在老anaconda上。尝试conda更新conda update libgcc。然后重建detectron2。基本的解决方案是使用足够新的c++运行时运行代码
“Not compiled with GPU support” or “Detectron2 CUDA Compiler: not available”.
当建造探测器2时没有发现CUDA。你应该确保
python -c 'import torch; from torch.utils.cpp_extension import CUDA_HOME; print(torch.cuda.is_available(), CUDA_HOME)'在构建detectron2时，打印有效的输出。多数模型可以在没有GPU支持的情况下运行推断(但不支持训练)。若要使用cpu，请设置模型。配置中的设备=‘cpu’。
“invalid device function” or “no kernel image is available for execution”.
两个原因：
1.你用CUDA的一个版本构建detectron2，但用另一个版本运行它。
2.Detectron2或PyTorch/torchvision不是为正确的GPU架构(计算兼容性)而构建的。
Undefined CUDA symbols or cannot open libcudart.so.
用于构建detectron2或torchvision的NVCC版本与正在运行的CUDA版本不匹配。这经常发生在使用anaconda的CUDA运行时。使用python -m detectron2.utils.collect_env去找出不一致的CUDA版本。在这个命令的输出中，你应该期望“Detectron2 CUDA Compiler”、“CUDA_HOME”、“PyTorch built with - CUDA”包含相同版本的CUDA库
“ImportError: cannot import name ‘_C’”.
请按照上面的说明建立和安装detectron2。
如果你正在运行代码从detectron2的根目录，cd到一个不同的目录再试试。否则，您可能无法导入安装的代码。
ONNX conversion segfault after some “TraceWarning”.
使用与PyTorch使用的版本更接近的编译器从其源代码构建和安装ONNX(可在“火炬。config_ .show()”中获得)。