Detectron 在 CentOS 上得安装指南
创建Conda 环境升级GCC / G :conda install https://anaconda.org/brown-data-science/gcc/5.4.0/download/linux-64/gcc-5.4.0-0.tar.bz2安装pytorch:
pip install torch1.6.0 cu101 torchvision0.7.0 cu101 -f https://download.pytorch.org/whl/torch_stable.html安装OpenCV3 (针对Python3.6 3.7需要更改命令
conda install -c menpo opencv3安装fvcore: conda install -c fvcore fvcore 出现pyyaml兼容性错误。因此采用 pip install fvcore 安装安装Cython:pip install -U Cython安装Pycocotools 使用pip install -U pycocotools出现partial uninstall 错误。因此采用 pip install --ignore-installed PyYAML
摘自 https://blog.csdn.net/weixin_41010198/article/details/103852838安装ninja: conda install ninja进入detectron2 文件夹 python setup.py build develop 出现 i386 32位程序不兼容得问题。此时 sudo apt-get install libc6-dev-i386
10.重新执行python setup.py build develop 出现缺少32位执行库文件得错误。$ echo “export LIBRARY_PATH /usr/lib/x86_64-linux-gnu” ~/.bashrc
参考 https://blog.csdn.net/happygogf/article/details/18147397
完成安装。
需要注意 只能有一个GCC LIB 如果安装了别的gcc g 建议删除环境 重建环境。
进入测试环节
测试图像 从model.zoo 下载coco instance segmentation pre-trained model: wgethttps://dl.fbaipublicfiles.com/detectron2/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl
成功训练 使用PASCAL VOC 数据集 首先将VOC 2007, 2012 移动到datasets 文件夹中下载R-50 预训练模型 wget https://dl.fbaipublicfiles.com/detectron2/ImageNetPretrained/MSRA/R-50.pkl修改faster-rcnn-R-50-FPN.yaml中得WEIGHT PATH 至R-50文件地址。训练模型 python ./tools/train_net.py --num-gpus 4 --config-file ./configs/PascalVOC-Detection/faster_rcnn_R_50_FPN.yaml
