前言：距离上次更新已经很遥远了~~~ Tensorflow的物体检测框架已经基本搞完，中间穿插了一些ssd的镜像制作，年后回来开始上手Facebook的开源检测框架 Detectron，目前为止还有去阅读源码，安装环境加弄清使用流程用了一周的时间，实在惭愧，这里总结一下，希望能够有所帮助。

Detectron安装

Detectron 是Facebook AI开源的一个检测框架，其中集成了Mask R-CNN，RetinaNet等先进模型。官方网址为： https://github.com/facebookresearch/Detectron。

Detectron 依赖于caffe2（现在caffe2现在已经集成到了pytorch里）。caffe2的安装教程官网为：https://caffe2.ai/docs/getting-started.html。其中提供了各种不同平台的不同安装源的教程，大家可以根据自己操作系统平台选择对应教程安装（但是Detectron只支持Linux），如下所示：

通过在官网的浏览了解到，Detectron只支持GPU运行，因此需要选择GPU版本的caffe2环境；其次，Detectron官网的提示其依赖为python2。通过实际安装，这里说明一下Detectron是兼容python3运行的。

Detectron的安装流程相对清晰，根据官网的说明，主要分为以下四个部分：

• NVIDIA GPU 环境相关CUDA与cuDNN，版本参照官网
• Caffe2
• COCO API
• Detectron

本人使用的操作系统为CentOS。caffe2官网没有相关的源码安装教程，提示与Ubuntu系统上安装流程一致。参照Ubuntu的源码安装caffe2流程，尝试了在CentOS上源码安装，或许是由于caffe2在pytorch上的迁移，也或许是我其中的步骤没有操作正确，总会出现一个错误，这里就不提示了，也借鉴过他人的教程，依然没有走通，并且整个流程就算走通也是比较麻烦，因此最后还是通过conda来安装，也是借鉴别人的话 “conda大法好啊！”。下面直接把Dockerfile文件的内容贴出来，不使用docker的就按照对应的操作执行即可，简单清晰。

# home下，基于centos的detectron镜像制作
FROM nvidia/cuda:9.0-cudnn7-devel-centos7

# 设置网络
ARG https_proxy=https://
ARG http_proxy=http://

    # 安装相关工具
RUN yum -y install wget && 
    yum -y install bzip2 && 
    yum -y install git && 
    yum -y install make && 
    
    # 安装anaconda
    cd /home && 
    wget https://repo.anaconda.com/archive/Anaconda2-2018.12-Linux-x86_64.sh && 
    bash Anaconda2-2018.12-Linux-x86_64.sh -b && 
    echo "PATH=~/anaconda2/bin:$PATH" >> ~/.bashrc && 
    source ~/.bashrc && 
    pip install protobuf && 
    pip install cython && 
    
    # 安装caffe2
    conda install -y pytorch-nightly -c pytorch && 
    # 验证caffe2是否安装成功
    # python -c 'from caffe2.python import core' 2>/dev/null && echo "Success" ||echo "Failure"
    # python -c 'from caffe2.python import workspace; print(workspace.NumCudaDevices())'
    
    # 安装cocoAPI
    git clone https://github.com/cocodataset/cocoapi.git && 
    cd cocoapi/PythonAPI/ && 
    make install && 
    python setup.py install --user && 
    
    # 安装detectron
    cd /home && 
    git clone https://github.com/facebookresearch/detectron && 
    pip install -r detectron/requirements.txt && 
    cd detectron/ && 
    make && 
    yum install -y libSM-1.2.2-2.el7.x86_64 --setopt=protected_multilib=false && 
    yum install -y libXext  && 
    yum install -y libXrender  && 
    # 测试detectron是否安装成功
    # python detectron/tests/test_spatial_narrow_as_op.py

这里安装的Anaconda，如果安装miniconda可以节约镜像空间。如果是用python3.6，则安装对应版本的conda与后续的相关依赖。

关于CentOS系统Detectron的conda安装总结到这里，如有错误误导非常抱歉，欢迎批评指出。下一节对Detectron的使用流程进行简单总结。