alphaPose算法环境配置

1.问题描述

AlphaPose是一款精准的多人姿态评估工具，并声称是第一款开源系统。AlphaPose既可以在图片、视频或多图中进行姿态估计，也能在画面中对动作进行追踪。它的输出形式非常广泛，包括PNG、JPG和AVI等具有关键点的图片形式，也有JSON格式的输出，这一特点也使其成为众多应用受欢迎的工具。从它的代码来看，做的很完善，不过配置环境是真的需要耐心。我在三台电脑上才配置成功。第一台是没有GPU的Ubuntu16.04系统，在配置到最后需要编译时，它会提示没有GPU相关的问题。第二台是有GPU的cenos7系统，编译前需要装一个库（如下），但是用cenos7不知道怎么装，所以又失败了。第三台在有GPU的Ubuntu16.04系统上才预装成功。下面总结一下配置过程，以及遇到的问题。

sudo apt-get install libyaml-dev

在配置之前先说明我遇到的问题，以防后面的人踩同样的坑。总结如下：

1. 不能装在没有GPU上电脑。
2. 我在CenOs7编译通过不了。
3. 用pip安装的torch的环境，最后的编译不能成功，原因不明。
4. 用conda安装的torch时，用Python=3.6.0会出现ImportError: undefined symbol: PySlice_Unpack的错误，需要使用Python==3.6.2
5. 需要电脑上需要安装git。

---

2.配置过程

原项目地址是：AlphaPose。预装成功测试的视频结果这里。下面是配置成功的步骤。

先创建虚拟环境并激活（这个过程可能会把pillow下载过高，只需要从新安装一下pip install Pillow==6.2.2就行）：

conda create -n alphapose python=3.6.2
conda activate alphapose

安装pytorch，使用conda安装pytorch会自动下载cuda和cudnn。

conda install pytorch==1.1.0 torchvision==0.3.0

下载原项目就不用多说了，如果下载过慢，可以到这里下载。在Ubuntu的终端进入项目的根目录，下面就开始编译了。先安装cpython。

pip install cython

再安装其他依赖库：

sudo apt-get install libyaml-dev

在真正开始编译之前，先确定一下pytorch-GPU是否正确安装。比如在终端输入以下命令。

python
import numpy
import torch
import torchvision
print(torch.cuda.is_available())

如果上面都没有出错，那么成功一半了，现在开始编译了。命令如下：

python setup.py build develop

在编译过程中如果没有出错，那么恭喜，成功了。出错了，也没关系，按照里面出错提示一一解决就行，然后再次输入上面的代码进行编译，直到成功。

在项目的根目录执行以下命令：

./scripts/inference.sh ./configs/coco/resnet/256x192_res152_lr1e-3_1x-duc.yaml ./pretrained_models/fast_421_res152_256x192.pth ./StackItUp.mp4

3.其他问题

该项目有很多的weight需要下载，你可以到他项目中提供的网页上下载，如果实在下不了，可以到到后面留言留下邮箱，我发给你。在运行的时候，该项目还会下载pytorch版本的resnet152的weight（也有可能是rennet50，看你怎么选），可以提前下载（直接复制地址，用迅雷下载很快，放的位置是/home/username/.cache/torch/checkpoints/）。该项目非常吃内存，我16G的内存一下就吃掉了，吃的只剩不到100M。这还是限制单线程的情况下运行的，原项目在windows是单线程，在非windows系统上采用多线程。但是我在16G的内存的Ubuntu系统采用默认的设置运行程序，程序直接报错，采用单线程才能运行成功。

model_urls = {
    'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth',
    'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth',
    'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
    'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth',
    'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth',
}