Linux下载安装 detectron2

安装detectron2所需要的一些库，

安装Detectron2必要的环境依赖，适用Linux环境，python3.7，参考csdn链接https://blog.csdn.net/u013347145/article/details/102945946

Linux用户需要进行的操作包括但不限于更新系统、安装Python和必要开发工具、安装PyTorch以及安装Detectron2。此外，考虑到Linux系统上更容易配置CUDA和cuDNN，如果用户需要GPU加速，这一过程也会相对顺畅。 安装...

Detectron2管道 使用OpenCV和驱动的Python生成器的模块化图像处理管道。 有关如何使用OpenCV和Python生成器构造图像处理管道的详细说明，请按顺序阅读以下中型故事： 设定环境 该项目正在使用进行项目环境管理。 设置项目环境： $ conda env create -f environment.yml $ conda activate detectron2-pipeline 或更新环境（如果您之前使用git pull仓库）： $ conda env update -f environment.yml 将Detectron2安装在detectron2-pipeline项目文件夹上方detectron2-pipeline文件夹中 $ cd .. $ git clone https://github.com/facebookresearch/detectron2.

Detectron是Facebook AI研究院(FAIR)于2018年初公开的目前为止业内最佳水平的目标检测平台。据介绍，该项目自 2016 年 7 月启动，构建于 Caffe2 之上，目前支持大量机器学习算法，其中包括 Mask R-CNN（何恺明的研究，ICCV 2017 最佳论文）和 Focal Loss for Dense Object Detection，（ICCV 2017 最佳学生论文）。Facebook 称，该工具包已被应用与公司内部很多团队应用于各类应用中，一旦训练完成，这些计算机视觉模型可被部署在云端或移动设备上。 该工具的开源对于研究目标检测的朋友来说有极大的帮助，可以帮助他们利用最先进的深度学习目标检测技术快速构建自己的模型和应用，也可在其上开展进一步的研究，无论从工程上还是从学术研究上都有较大的参考价值。