前言
有好多好多小夥伴都最近在問題主，深度學習爲何那麼少人在win下配置，也找不到詳細的一篇從頭講到尾的保證成功的環境配置，這豈不是卡死一大片深度學習小白？python
不慌不慌，題主這一次超級詳細超級基礎的整理了Detectron2的環境配置，而且是在windows 10 下進行的，而且全部的代碼都親自跑過，徹底從0開始講解配置，下面貼出題主的設備和系統。git
請各位謹記，完徹底全按照個人順序來是沒有問題滴~ 親測！github
文中所涉及到的文件以及下載較慢的文件都放在網盤資源裏，文末自取哦~shell
系 統：Windows10
所用電腦：聯想拯救者Y7000P 2019
GPU型號：NVIDIA GeForce GTX 1660 Ti
安裝所需：NVIDIA驅動 + CUDA + CuDNN
軟件前需：Anaconda3+pycharm
ubuntu
第一部分、NVIDIA顯卡驅動
-
顯卡驅動
NVIDIA驅動下載的網址爲：
https://www.nvidia.cn/Download/index.aspx?lang=cn
以下圖所示，從中選擇本身電腦裝載的GPU型號，以及電腦裏的操做系統型號。
搜索並下載對應本身顯卡驅動型號的驅動程序
順着步驟完成安裝便可（easy~）
windows -
CUDAapi
成功安裝完顯卡驅動以後呢，就須要安裝CUDA了。這裏籠統的描述下CUDA和顯卡驅動之間的關係。網絡
CUDA：是Nvidia推出的只能用於自家GPU的並行計算框架。只有安裝這個框架纔可以進行復雜的並行計算。主流的深度學習框架也都是基於CUDA進行GPU並行加速的，幾乎無一例外。還有一個叫作cudnn，是針對深度卷積神經網絡的加速庫。框架
也就是CUDA創建在驅動之上，因此先裝驅動嘛~學習
CUDA 下載網址爲：
https://developer.nvidia.com/cuda-toolkit-archive
從中選擇合適的型號下載。
對於咱們後續要使用的detectron2和Windows10系統而言，咱們這裏考慮到後續與pytorch 的兼容，咱們這裏選用的是 pytorch=1.6.0 cuda=10.1
這裏有些小夥伴可能會有疑問，由於detectron2的官方標配應該是pytorch=1.4.0 ,cuda=10.0。
而題主發現實際上在windows10下，cuda10.0最高只支持pytorch 1.2.0 考慮到低版本可能出現問題，因此最終選擇的detectron2在windows10下的配置是 pytorch=1.6.0 cuda=10.1
在網站中對應選擇須要的CUDA版本號，咱們在這裏選擇的是10.1(沒有update) 接着在win10下安裝。
等待安裝完成便可，到這裏都不會有什麼問題~
- cuDNN
cuDNN下載安裝爲：
https://developer.nvidia.com/rdp/cudnn-download
須要先註冊個帳號，而後免費下載。這裏注意選擇和本身的CUDA版本號相匹配的。
以後選擇對應的win10，下載完成後能夠看到以下圖三個文件夾bin，include和lib
下載完成以後把 cuDNN 庫壓縮包裏對應的bin，include，lib的文件放到NVIDIA GPU Computing Toolkit\CUDA\v10.1中進行文件夾替換
通常來講找不到 NVIDIA GPU Computing Toolkit 的小夥伴能夠去C盤 Program Files 找下
替換完成之後，打開win10 cmd窗口（windows鍵+R，而後輸入cmd回車）
緊接着輸入直接輸入 nvcc -V便可確認CUDA是否安裝成功，而且版本是否正確
從上圖咱們能夠看到咱們所安裝的CUDA的版本號，這樣咱們的第一部分顯卡驅動部分就大功告成了~
第二部分、Anaconda虛擬環境搭建
Anaconda對於環境庫包的管理很是方便很適合深度這樣複雜環境的配置。這裏默認你們都已經安裝好了Anaconda3，這個的安裝十分方便官網下載，跟着步驟安裝就能夠完成，不會有任何問題~
仍是附一下Anaconda 的官網連接：
https://www.anaconda.com/products/individual
打開滑動到最下方下載對應系統的版本便可
- 虛擬環境建立
Anaconda中虛擬環境的建立命令，注意這裏咱們須要配置的python環境是3.6版本。一樣的在安裝完Anaconda3以後，直接按照以前的方法打開cmd窗口，輸入如下指令：
conda create -n detectron2 python=3.6
# Anaconda 建立環境的通常命令 conda create -n your_name python=x.x
anaconda命令建立python版本爲x.x，名字爲your_name的虛擬環境。your_name文件能夠在Anaconda安裝目錄envs文件下找到。
以後就會出現下圖Package Plan界面
接着會讓你安裝python3.6相關依賴，輸入y便可
繼續等待其安裝完成，直至出現以下界面，接着，咱們要激活咱們新建立的環境，由於咱們剛剛只是建立了，如今要予以激活，才能把咱們對應的庫裝入到咱們但願配置的環境中去
緊接着再輸入
conda activate detectron2
在C盤以前出現detectron2的字樣表明激活成功。這裏必定要注意，每一次重啓cmd都須要從新激活一次咱們的虛擬環境，千萬不要踩坑了吶~有好多小夥伴覺得activate了一次就覺得是永久的了，在這裏注意一下，並非永久的！！
咱們以後都是須要在虛擬環境裏安裝庫的，否則都是白費吶！
-
detectron2所需庫的配置
（1）首先咱們安裝最基本的2個庫numpy，matplotlib.這裏就不過多贅述安裝過程了。直接pip/conda install numpy matplotlib便可
（2）安裝opencv-python，這一步是由於題主後續是訓練本身的數據集的因此須要圖片的讀入，若是不須要訓練本身的數據集，opencv安裝能夠跳過哦~ 對於安裝opencv-python這裏題主推薦幾種方法：
方法1：直接pip install opencv-python通常來講就能夠成功，相對來講下載比較緩慢，並且常常可能下載會斷orz
方法二：在https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv下載對應的python版本和windows系統opencv的whl文件，這裏咱們選擇的是opencv_python-4.4.0-cp36-win_amd64.whl
下載完成後咱們把它放到桌面，以後繼續在cmd窗口裏進行操做。咱們在cmd窗口裏輸入cd desktop然後輸入，注意這裏仍是要在咱們構建的detectron2環境下安裝哦，否則是無效的，若是不當心關閉了以前的cmd窗口，記得每開一次都要從新activate一下detectron2的環境。這裏是個小坑，你們注意。
pip install opencv_python-4.4.0-cp36-win_amd64.whl
顯示以下：
（3）安裝pillow，cython庫
pip install pillow cython
（4）Pytorch-gpu版 安裝
首先進入pytorch官網 https://pytorch.org/
選擇好對應的gpu版pytorch，有小夥伴可能在這裏有疑問，爲何不選conda而要選用pip，題主只能這麼說，題主用conda總是裝不上gpu版 torch，測試了幾回，發現用pip相對來講穩定一些，這裏就回到了開題時候說的，pytorch=1.6.0，配合cuda=10.1經過題主後續的一系列測試，發如今detectron2上能夠完美運行。因此小夥伴們能夠放心大膽的進行配置~
固然啦，也不是說conda必定有問題，多是題主當時有問題~
直接在虛擬環境中輸入相應的語句，等待其安裝。
這裏必定要注意，先安裝對應版本的pytorch和torchvision，再去安裝detectron2，由於每次安裝完pytorch後，detectron2一般須要重裝！！因此這裏務必注意順序！！！否則的話，很容易出現 "ImportError: cannot import name _C’"這個報錯，若是出現這個報錯，那麼就須要從新安裝一次detectron2，可是若是detectron2是在pytorch安裝後安裝就沒有問題。
這裏這個小坑能夠注意一下！
安裝完成以後咱們在cmd中輸入python
python import torch torch.cuda.is_available() exit()
若是提示True,那麼恭喜你大功告成，pytorch-gpu版安裝完成，以後輸入exit（）退出python
到這裏一旦有顯示True
那咱們的pytorch部分就配置完畢，gpu版得pytorch也大功告成~
（5）detectron2安裝
在安裝detectron2以前，還須要安裝pycocotools，繼續cmd，detectron2環境下繼續安裝：
pip install git+https://github.com/philferriere/cocoapi.git
這裏不用原始源是由於原始源不支持windows因此這裏放的是支持windows的github地址。
在這裏各位小夥伴若是報錯以下：
那麼就是說git沒有安裝，以後咱們在cmd中先輸入：
pip install git
若是這裏pip也報錯，那麼就直接使用conda install git便可
以後繼續運行pycocotools的安裝語句，等待其完成，這裏只要顯示了Cloning通常不會失敗，只有可能會掉網。
固然在這裏也能夠本身下載好對應網址的github，而後放在桌面，找到PythonAPI地址，以後輸入
pip install -e.
千萬不要漏了e後面的點！！！
Pycocotools安裝完成後，繼續在cmd窗口中輸入
pip install git+https://github.com/facebookresearch/detectron2.git
安裝detectron2（和安裝pycocotools同樣，能夠直接pip或者是下載好到桌面以後找到setup.py所在pip install -e.）
安裝完成後，咱們在cmd窗口裏輸入conda list這時候看到列表裏已經有咱們裝好的detectron2的庫
這時候detectron2也大功告成了~
第三部分、Pycharm運行
緊接着咱們在pycharm中，把咱們新建立的環境添加到編譯環境裏。File-settings-Project：BDD_back
這裏會先顯示<No interpreter>，接着點右側那個齒輪，選擇Add…，跳出Add Python Interpreter以後選擇Conda Environment，接着選擇Existing environment
接着咱們把Interpteter展開選擇咱們剛剛新創建的detectron2這一項
確認便可，至此pycharm配置完畢
而後運行咱們的訓練程序，有以下輸出：
顯然的咱們的所有環境配置完畢，能夠在windows系統下快樂的利用gpu跑detectron2的模型了~而且還不會和原有的任何庫衝突，是否是超級棒！
這裏再放一張在ubuntu16.04下跑的測試圖，看下效果，實際上windows訓練完測試是同樣的啦~只是懶得等了就放一下以前跑的圖
效果仍是至關ok滴~
寫在後面的話
寫這篇文章的目的，更多的仍是但願給更多的cv入門小白一個正確的合理的配置環境的順序，題主本身電腦也是如此配置的，在寫文章的以前還特地所有從新又裝過一遍，發現都ok，沒有什麼問題，只要按照上面那個順序執行，就必定不會有問題~
好啦，這一次的超詳細整理就到這裏了~
連接
百度網盤連接：
https://pan.baidu.com/s/10LaJdfisi9Vl4euOHOJ4Ng
提取碼：40mr
盤裏是直接給大家下載好的detectron2 和 windows10支持的pycocotools
若是你們喜歡這樣超詳細的整理 還請你們給點支持吶！
下一篇 打算詳細的寫一寫如何構造本身的符合COCO的數據集，如何訓練本身的數據集，題主這裏是利用瞭如今較大的無人駕駛（BDD）的數據集進行訓練的 有興趣的小夥伴能夠追下更新哦~