win10下solov2环境搭建
win10下solov2环境搭建
我的环境：NVIDIA-SMI：496.49、VS社区版2019、anaconda3
官方给了mmdetetion和detetron2两个版本，我配的是mmdetetion
python版本3.7
为了让环境有序，创建一个虚拟环境
conda create -n testnet python==3.7
conda activate testnet打开虚拟环境
安装CUDA版本11.0！
注意检查和自己的电脑是否匹配（我之前试了cuda10.1，后来查报错说30x的显卡跑不了cuda10）
官网下载、注意配置cudnn
nvcc -V检查是否安装成功
torch系列安装
torch1.7.0+cu110
torchvision0.8.0+cu110(注意对应！！！我之前装的版本不对应，会使gpu运用不完全；也就是一部分训练还在cpu上)
torch0.7.0
从官网下（我个人使用）
推荐网速不太好或者用pip容易断的人用
按照版本把whl都下载到本地，然后pip install balabala.whl（敲一个pip install，然后拖住whl文件到cmd中，会自动加载路径）
注意文件后面一大串的数字要一致
用pip下
网速好的人用，容易断（我没试过，有可能版本太老用pip会装不上）
检查安装
pip show torch检查版本号，进python下import torch不报错就ok
执行solo里的requirement
把项目拉到本地，执行
pip install -r requirements/build.txt
安装pycocoapi
其实就是再下载个项目，跑一下里面的文件。我当时用的pip语句一直没加载下来（如下）
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
所以我就到GitHub上把整个项目下载到本地，执行这里的setup.py
pip setup.py install
mmcv安装0.2.16（官方推荐）
mmcv官网安装教程，但是会默认下新版本的mmdet和mmcv
我是先pip install mmcv==0.2.16，然后再装mmdet，避免被嘎嘎装上最新版的（好像新一些的版本也可以用，我没试）
mmdet的build
这里大概是检测你的环境和包版本，得到你的配置后创建个build文件，建立各个框架之间的链接吧
pip install -v -e .
报错：dll链接失败，找不到deform_conv_cuda
可能是中间换了torch版本——我是先装到最后把mmcv的内容都set up完后，发现新的mmcv和torch版本不兼容再重装了torch的
之前试过的不兼容版本
仅个人尝试，不确保完全正确
- torch1.11版本太新，mmcv版本0.2.16不兼容
- torch1.6不和cuda11相配
小小经验总结
配环境主要就是下载各种包，在下载前先多看几个教程，同时留意博客的发步时间是不是太早了，一般早一年左右配的就差不多可以用。
安装包的版本对照一定参考官网，我之前把torchvision版本下的是0.8.0，就会造成网络一部分用的是gpu，但是cpu也会加载很多运算。要想完全在gpu上跑起来，需要找到torchvision0.8.0+cu110
了解每一步命令是啥意思就能知道报错可以用什么方式解决，你知道这个命令是干啥的，就有了更多思路。比如pip install就是借用pip进行各种文件、第三方库（库其实也是文件）、项目的下载，当pip安装失败，总是断掉，那不妨选择直接下载相应的文件，然后拖进cmd中进行安装。
小知识点：
python setup.py develop就是执行setup.py文件，并安装里面的包，它和pip setup.py install的区别就是develop安装的可以再修改（像被别的函数覆盖），install执行的就更稳定、无需修改。
