服务器上配置Scene-Graph-Benchmark.pytorch-KaihuaTang工程记录
GitHub地址：https://github.com/KaihuaTang/Scene-Graph-Benchmark.pytorch
服务器cuda版本
命令行输入nvcc -V即可查看，我这里是11.1
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Mon_Oct_12_20:09:46_PDT_2020
Cuda compilation tools, release 11.1, V11.1.105
Build cuda_11.1.TC455_06.29190527_0
创建虚拟环境
每run一个工程，都要创建一个对应的虚拟环境，方便管理
-
创建虚拟环境
本例程在python3.7下，后面的torch也要选择3.7的版本
conda create --name scene_graph_benchmark python=3.7
- 激活虚拟环境
conda activate scene_graph_benchmark
在虚拟环境下安装pkgs
- 为python安装正确的pip和依赖项
conda install ipython
conda install scipy
conda install h5py
-
安装scene_graph_benchmark和coco依赖
opencv-python(网址)
pip install ninja yacs cython matplotlib tqdm opencv-python overrides
如果opencv-python安装不上，或者很慢，可以去下载whl文件
-
安装pytorch和torchvision
这里建议安装whl格式（网址），亲测安装下方两个版本的可以跑通。如果按照命令安装，很可能安装的是CPU版本的，到时候cuda是无效的。
安装maskrcnn_benchmark
这里可以按照项目中的INSTALL.md安装，不过有需要注意的地方
- 安装pycocotools：首先进入工程的文件夹，我这里是unbiased_sgg_xuhongbo，我的代码也放在这个文件夹里。依次执行这四行命令
cd unbiased_sgg_xuhongbo
git clone git://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
python setup.py build_ext install
- 安装apex：首先回到unbiased_sgg_xuhongbo文件夹下，可能需要cd . . / . . / . . ,然后依次执行下面命令
cd unbiased_sgg_xuhongbo
git clone git://github.com/NVIDIA/apex.git
cd apex
python setup.py install
- 安装PyTorch Detection：还是要回到unbiased_sgg_xuhongbo文件夹下，然后依次执行下面命令
cd unbiased_sgg_xuhongbo
git clone https://github.com/KaihuaTang/Scene-Graph-Benchmark.pytorch.git
- 编译maskrcnn_benchmark：还是要回到工程文件夹下，然后执行下面命令
python setup.py build develop
至此，环境就配置完毕了，下面说说可能遇到的问题。
配置可能会踩得坑
- 工程中readme里的torch版本是1.4.0，但是估计是跑不起来，最好是高版本的torch
- 安装torch和torchvision时，最好不用命令行安装，容易装成cpu版本的torch。去下载whl文件，然后用pip install *.whl安装
- ninja如果说需要C++扩展，就卸载掉，然后重装，大概率会好
- glove一定要提前下载好，命令行执行时需要
- 数据集的路径要修改好，在Scene-Graph-Benchmark.pytorch-master\maskrcnn_benchmark\config\paths_catalog.py文件里
- 总之，按照步骤配置大概率不会出错，如果出错大概率是torch和torchvision的问题。