CenterNet项目环境配置与安装指南

CenterNet项目环境配置与安装指南

环境准备

CenterNet是一个基于PyTorch实现的优秀目标检测框架，其环境配置需要特别注意版本兼容性。推荐使用以下配置：

• 操作系统：Ubuntu 16.04或更高版本
• Python环境：Anaconda Python 3.6
• 深度学习框架：PyTorch 0.4.1
• 硬件要求：必须配备NVIDIA GPU

详细安装步骤

1. 创建Conda虚拟环境（推荐）

为避免与其他项目产生依赖冲突，建议创建独立的conda环境：

conda create --name CenterNet python=3.6
conda activate CenterNet

2. 安装PyTorch 0.4.1

PyTorch 0.4.1是CenterNet官方测试的版本，安装命令如下：

conda install pytorch=0.4.1 torchvision -c pytorch

安装完成后，需要禁用cudnn的batch normalization功能，这是为了解决已知的兼容性问题：

# 对于PyTorch 0.4.0版本
sed -i "1194s/torch\.backends\.cudnn\.enabled/False/g" ${PYTORCH}/torch/nn/functional.py

# 对于PyTorch 0.4.1版本
sed -i "1254s/torch\.backends\.cudnn\.enabled/False/g" ${PYTORCH}/torch/nn/functional.py

如果使用其他PyTorch版本，需要手动修改torch/nn/functional.py文件，找到包含torch.batch_norm的行，将torch.backends.cudnn.enabled替换为False。

3. 安装COCO API

CenterNet使用COCO数据集格式，需要安装COCO API：

git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
cd $COCOAPI/PythonAPI
make
python setup.py install --user

4. 获取CenterNet源代码

CenterNet_ROOT=/path/to/clone/CenterNet
git clone https://github.com/xingyizhou/CenterNet $CenterNet_ROOT

5. 安装Python依赖

pip install -r requirements.txt

6. 编译可变形卷积(DCNv2)

CenterNet使用了可变形卷积网络，需要单独编译：

cd $CenterNet_ROOT/src/lib/models/networks/DCNv2
./make.sh

7. [可选]编译NMS

如果计划使用ExtremeNet或多尺度测试，需要编译NMS：

cd $CenterNet_ROOT/src/lib/external
make

模型准备

完成环境配置后，可以从官方提供的模型库中下载预训练模型，并将它们放置在$CenterNet_ROOT/models/目录下。CenterNet提供了多种任务的预训练模型，包括目标检测和姿态估计等。

常见问题解决

1. CUDA版本不兼容：确保CUDA版本与PyTorch 0.4.1兼容
2. 编译错误：检查gcc版本，建议使用5.4以上版本
3. 性能问题：禁用cudnn batch normalization对训练结果有显著影响，务必按照说明操作

通过以上步骤，您应该能够成功搭建CenterNet的运行环境。如果在安装过程中遇到问题，可以查阅相关技术论坛或社区获取帮助。