Python

建议安装3.7版，兼容性最好。

conda create -n detectron2 python=3.7
conda activate detectron2

OpenCV

设置pip清华源

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

默认安装最新版

pip install opencv-python
pip install opencv-contrib-python

LabelMe

conda install pyqt
pip install labelme

参考链接：labelme篇—ubuntu版 labelme的安装及使用教程

PyTorch

默认安装最新版

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia
# cuda 11.0 版
# conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

如果cudatoolkit安装失败，则可以离线下载 cudatoolkit-11.1.74 安装包，之后再安装即可，如下所示：

conda install --use-local cudatoolkit-11.1.74-h6bb024c_0.tar.bz2 

简单测试：
在终端输入 python 进入 python 环境，输入如下命令进行简单测试：

# 验证 OpenCV 安装
import cv2
cv2.__version__
# 验证 PyTorch 安装
import torch
torch.__version__
import torchvision
torchvision.__version__
# 验证 CUDA 是否正确安装
torch.cuda.is_available()

如果正常输出版本信息，且最后一行输出为 True，则说明安装成功。

Coco Dataset

pip install cython
pip install -U 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'  

create soft link in detectron2/datasets/

ln -s /media/cgnerds/ECA4B49EA4B46D28/Data/coco coco

Detectron2

如果遇到这个错误，Error: nvcc fatal: Unsupported gpu architecture ‘compute_86’，可执行如下操作。目前新的版本已经没有这个问题。

export TORCH_CUDA_ARCH_LIST="7.5" 

下载并编译

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

示例

一张图像示例

put 000000000785.jpg from datasets/coco/val2017 to demo

❯ python demo.py --config-file ../configs/COCO-Detection/retinanet_R_50_FPN_1x.yaml --input 000000000785.jpg --opts MODEL.WEIGHTS detectron2://COCO-Detection/retinanet_R_50_FPN_1x/190397773/model_final_bfca0b.pkl

评估

 python ./tools/train_net.py --config-file ./configs/COCO-Detection/retinanet_R_50_FPN_1x.yaml --eval-only MODEL.WEIGHTS detectron2://COCO-Detection/retinanet_R_50_FPN_1x/190397773/model_final_bfca0b.pkl

训练与评估

设置 tools/train_net.py ，修改 Working directory 为项目根目录。

具体参数如下所示：

--config-file
./configs/COCO-Detection/retinanet_R_50_FPN_1x.yaml
--num-gpus
1
SOLVER.IMS_PER_BATCH
1
SOLVER.BASE_LR
0.0025
INPUT.MIN_SIZE_TRAIN
(400,)
DATASETS.TRAIN
('coco_2017_val',)
DATALOADER.NUM_WORKERS
0

训练完成后，结果如下所示：