Detectron 安装步骤

Requirements：

Linux 16.04, Python2, NVIDIA GPU (Detectron 目前只有 GPU 版本)
CUDA 9.0, cuDNN7.0.5
Caffe2, COCO API

为保持 Python 环境的独立性与完整性，安装前新建一个新的虚拟环境，以下安装过程在虚拟环境中进行

1
2
3

# 在主环境下
conda create -n detectron python=2.7
source activate detectron

[TOC]

CUDA & cuDNN

安装 CUDA9.0 和 cuDNN7.0.5，具体安装步骤参考英伟达官网

Caffe2

1. 从源码编译

以下为源码编译的过程，~~尝试过安装 Pre-Built Binaries，结果失败了~~，也可以直接安装预编译文件（推荐），[2. 安装预编译文件](#2. 安装预编译文件)

安装依赖包

sudo apt-get update
sudo apt-get install -y --no-install-recommends \
      build-essential \
      git \
      libgoogle-glog-dev \
      libgtest-dev \
      libiomp-dev \
      libleveldb-dev \
      liblmdb-dev \
      libopencv-dev \
      libopenmpi-dev \
      libsnappy-dev \
      libprotobuf-dev \
      openmpi-bin \
      openmpi-doc \
      protobuf-compiler \
      python-dev \
      python-pip \
      libgflags-dev \
      cmake
pip install --user \
      future \
      numpy \
      protobuf \
      typing \
      hypothesis

pip install 使用默认镜像下载速度较慢，可以选择使用清华大学 pypi 镜像

# for temporary use
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

# set to default
pip install pip -U    # upgrade pip to the latest version (>=10.0.0)
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

下载代码仓库并编译

git clone https://github.com/pytorch/pytorch.git && cd pytorch
git submodule update --init --recursive    # 安装所需子模块
conda install pyyaml    # 安装缺少的依赖包
python setup.py install

如果编译顺利通过，恭喜，接下来测试 caffe2 安装是否正确，[3. 安装后测试](#3. 安装后测试)

错误信息1：服务器安装的 git 在执行 clone 命令时报错找不到 https 协议，应该是安装不完整导致的，可以在当前环境下重新安装 git 后重试（使用命令 conda install git，推荐）或者使用以下命令代替：

1	git clone git://github.com/pytorch/pytorch.git && cd pytorch

错误信息2（未解决）：在执行安装命令时 (python setup.py install)，出现以下错误：

1	······/libmklml_intel.so: file not recognized: File truncated.

该错误指向 pytorch/third_party/ideep/mkl-dnn/external/mklml_lnx_2019.0.1.20180928/lib/libmklml_intel.so 文件，可能是文件不完整导致的错误，但是未找到原因及解决方法。如果出现此错误请尝试通过预编译文件安装 caffe2.

其他错误：查看 Caffe2 troubleshooting

2. 安装预编译文件

Caffe2 只提供 Anaconda 的预编译安装包，需要安装 Anaconda 或 Miniconda

首先添加清华大学维护的 PyTorch 源，下载速度更快：

1	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

然后执行安装操作：

1	conda install pytorch-nightly

3. 安装后测试

安装完成后，测试安装是否成功

# To check if Caffe2 build was successful
python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" || echo "Failure"

# To check if Caffe2 GPU build was successful
# This must print a number > 0 in order to use Detectron
python -c 'from caffe2.python import workspace; print(workspace.NumCudaDevices())'

根据执行结果判断安装是否成功

从源码编译需注意：

If the caffe2 Python package is not found, you likely need to adjust your PYTHONPATH environment variable to include its location (/path/to/caffe2/build, where build is the Caffe2 CMake build directory).

COCO API

依赖：

setuptools>=18.0
cython>=0.27.3
matplotlib>=2.1.0

conda install setuptools cython matplotlib
COCOAPI=/path/to/clone/cocoapi    # 指定安装路径
git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
cd $COCOAPI/PythonAPI
make
#python setup.py install --user

Detectron

下载代码仓库：

1 2	DETECTRON=/path/to/clone/detectron # 指定安装路径 git clone https://github.com/facebookresearch/detectron $DETECTRON

安装 Python 依赖：

1	pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r $DETECTRON/requirements.txt

然后 make:

1	cd $DETECTRON && make

安装完成后运行测试：

1	python $DETECTRON/detectron/tests/test_spatial_narrow_as_op.py

结果输出 OK，安装完毕

输出以下提示信息不必理会：

1 2	No handlers could be found for logger "caffe2.python.net_drawer" net_drawer will not run correctly. Please install the correct dependencies.

Troubleshooting

参照 Detectron Troubleshooting

Reference

P.S.

CUDA8.0 cuDNN5.1.10 安装失败，原因：PyTorch 需要 cuDNN>=7.0

查看 CUDA 和 cuDNN 版本：

# CUDA
cat /usr/local/cuda/version.txt

# cuDNN
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2