【保姆级】MaskRCNN-benchmark Ubuntu安装教程

CUDA11.3 Pytorch1.11.0 Python3.9 亲测可用，其他版本应该也可以实现，这篇能解决大部分遇到的报错问题。

1.建立conda环境

conda create --name maskrcnn_benchmark -y
conda activate maskrcnn_benchmark

可以自己指定一个python版本

2.安装pip

conda install ipython pip

3.安装必要的包

pip install ninja yacs cython matplotlib tqdm opencv-python

4.安装pytorch

官方给出的教程如下，但是要求cuda9.0，我不想降版本

conda install -c pytorch pytorch-nightly torchvision cudatoolkit=9.0

根据自己选择的python版本和自己的cuda版本安装对应的pytorch，torchvision和torchaudio。

如cuda11.6

conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.6 -c pytorch

 cuda11.3

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio cudatoolkit=11.3 -c pytorch

但是用conda或者pip下载实在是太慢了很容易中途断网，我选择直接下载对应的whl文件，上传大服务器然后直接pip install这个whl文件就可以。这个网站也可以查到到底对应哪些版本。

我只下载了torch，剩下两个直接用pip安装对应版本的了。如：

python -m pip install torchvision==0.13.0 torchaudio==0.12.0

下载地址： pytorch、torchvision历史版本的whl文件下载地址、版本对应关系与离线安装方法_pytorch whl-优快云博客

5.安装pycocotools

我是直接在根目录下下载的，反正这几步安装完了一定要退回，要不然下一个git clone就在这个目录下了。

git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
python setup.py build_ext install
cd #退回根目录

6.安装cityscapesScripts

git clone https://github.com/mcordts/cityscapesScripts.git
cd cityscapesScripts/
python setup.py build_ext install

记得退回 

7.安装 apex

git clone https://github.com/NVIDIA/apex.git
cd apex
python setup.py install --cuda_ext --cpp_ext

安装apex报错：找不到torch，首先查看pytorch是否已经正确安装。在bash中输入python

import torch
print(torch.__version__)

如果能正确输出，那就是安装好了，否则退回安装pytorch那一步。 

​

python3 setup.py install

如果安装apex这一步有别的报错，应该是有别的编译库没有装，可以把报错信息搜索一下，用apt装一下就行。 

8.下载源码

git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
cd maskrcnn-benchmark

# the following will install the lib with
# symbolic links, so that you can modify
# the files if you want and won't need to
# re-build it
python setup.py build develop

真正的恶战开始了，这一步报错很多，我也查了很久，根据这个github回答亲测有效，我也会一步一步列出。 

remove THC.h by zyddnys · Pull Request #37 · CoinCheung/pytorch-loss

​

进入"maskrcnn_benchmark/csrc/" 

a.删除或注释所有的#include <THC/THC.h>

b.把所有的THCudaCheck换成AT_CUDA_CHECK

c.新建一个common.hpp文件

/**
   Computes ceil(a / b)
*/
template <typename T>
__host__ __device__ __forceinline__ T THCCeilDiv(T a, T b) {
  return (a + b - 1) / b;
}

/**
   Computes ceil(a / b) * b; i.e., rounds up `a` to the next highest
   multiple of b
*/
template <typename T>
__host__ __device__ __forceinline__ T THCRoundUp(T a, T b) {
  return THCCeilDiv(a, b) * b;
}

d.cu文件都加上common.hpp

#include "common.hpp"

重新安装一下，如果有以下错误：

这一个帖子的Q3可以解决：Maskrcnn/Faster-rcnn依赖项安装过程中THC.h: No such file or directory/THCeilDiv Undefined/分配内存空间等问题的解决方案_error: identifier "thcceildiv" is undefined-优快云博客

9.检验环境是否安装完成，运行示例代码 

官方给出的代码：

cd demo
# by default, it runs on the GPU
# for best results, use min-image-size 800
python webcam.py --min-image-size 800

但是我的服务器没有摄像头，我在demo里新建了一个文件，因为我是服务器转发图像到本地电脑，用了matplotlib显示，大家不需要的部分注释掉就行：

import cv2
from maskrcnn_benchmark.config import cfg
from predictor import COCODemo
import matplotlib
matplotlib.use('TkAgg')  # 或者 'Agg'
import matplotlib.pyplot as plt


# 配置文件路径
config_file = "../configs/caffe2/e2e_mask_rcnn_R_50_FPN_1x_caffe2.yaml"

# 更新配置
cfg.merge_from_file(config_file)
cfg.merge_from_list(["MODEL.DEVICE", "cpu"])

# 创建 COCO demo 实例
coco_demo = COCODemo(
    cfg,
    min_image_size=800,
    confidence_threshold=0.7,
)

# 加载图像
image_path = "test.png"  # 替换为实际图像路径
image = cv2.imread(image_path)  # 使用 OpenCV 加载图像

# 运行预测
predictions = coco_demo.run_on_opencv_image(image)

# 显示预测结果
# 使用 matplotlib 显示图像
plt.imshow(cv2.cvtColor(predictions, cv2.COLOR_BGR2RGB))  # 转换颜色格式为 RGB
plt.axis('off')  # 关闭坐标轴
plt.show()

 然后又开始报错，这部分基本已经完成了，就是找到报错的文件然后根据报错内容修改就可以。

改成PY37还报错，直接if 1就行。

​

其他包的依赖都要求numpy>=1.23，而且太低了也会报错 from numpy.core._multiarray_umath import (ImportError: DLL load failed），故而选择在代码中进行全局替换

使用grep查找含有np.float的文件

grep -r 'np.float' .

再将np.float都换成np.float64 

find . -type f -name "*.py" -exec sed -i 's/np.float/np.float64/g' {} +

之后会下载一个文件

​ 下载完又报错，找到这个文件取消判断就可以。

整理不易，有帮助的话点赞关注收藏一下吧~感谢！！