最近想用detectron，毕竟是最新的caffe2，里面资源很丰富，教程也多，而且装好基本所有检测的模型和很多最新的网络都不用发愁了，而且源码的质量很高，是个很不错的学习平台。
官网给出了三种方法安装。首先肯定是在linux服务器上安装，要求cuda是必须大于8.0，cudnn大于6.0才行，所以如果服务器这俩版本不满足，需要重新安装cuda。我的情况是服务器是多人使用，不可破坏系统的cuda，还好可以在本用户下安装其他版本cuda，甚至能安装多版本cuda，方便切换。详见这篇博客https://blog.csdn.net/tunhuzhuang1836/article/details/79545625
我试了好多次从源码安装pytorch，但是都编译不通过，可能是依赖没装好。我认为我的原因是虚拟环境没装好依赖，导致报错，在virtualenv中重新装一遍干净的环境，陪好cuda的环境变量，在源码包中/pytorch/tools/setup_helpers/cuda.py中有一个cuda路径需要改成自己的
#默认为
LINUX_HOME='/usr/local/cuda'
我认为是自己的依赖没装好，如果cuda版本对了，感觉源码安装也能通过。官网明确说明了对cudnn版本的要求，至少是18年11月份的要求，看到有的博客说cudnn5也行，肯定编译不通过。感觉二进制包安装这个要求就不高了，官网没说cudnn版本的事。
#github上要求的版本
NVIDIA CUDA 7.5 or above
NVIDIA cuDNN v6.x or above
源码安装不上，就别硬整了，用二进制包安装比较容易。pip和anaconda都行，但是anaconda自带的conda自带虚拟环境，能有效隔离其他python环境，官网推荐。如果用pip装也行，一定要在virtualenv里装。下面总结一下conda和virtualenv创建虚拟环境的命令
virtualenv
1. virtualenv --system-site-packages env_name
(该命令会继承/usr/lib/python2.7/site-packages下所有的库)
2.virtualenv --no-site-packages env_name
#该命令会创建干净的虚拟环境，没有任何依赖
3.virtualenv -p /usr/bin/python2.7 env_name
#选择一个python编译器创建虚拟环境
4.source env_name/bin/activate
#启动虚拟环境
5.deactivate
#退出虚拟环境
conda
1.conda list
#列出当前环境安装的所有包
2.conda info -e / conda env list
#列出conda创建的所有虚拟环境，默认虚拟环境是base
3.conda create -n env_name python=2.7
4.source deactivatecenv_name
#退出虚拟环境
5.conda remove --name env_name --all
#删除
我用的anaconda安装，这是官网推荐的安装方式。
Detectron该工具包只支持python2
1.先安装anaconda，装好配置conda环境变量
2.conda install pytorch torchvision cuda80 -c python
#cuda80是对应的cuda版本号，去查一下Anaconda官网，有些版本是不支持的，像cuda10就不支持