（linux）Faster-RCNN pytorch目标检测1：环境配置gpu+anaconda+pycham+ RTX2080ti 笔记

前言

（linux）Faster-RCNN pytorch目标检测1：pytorch1.10.1环境配置gpu+anaconda+pycharm+RTX2080ti 笔记，包括如何在anconda创建Faster-RCNN虚拟环境和用pycham为项目配置Faster-RCNN虚拟环境。

1. 部分参考： Faster-RCNN.pytorch的搭建、使用过程详解（适配PyTorch 1.0以上版本）

2. Faster-RCNN pytorch1.0链接https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0，建议直接下载后提取

3. 如果无法上github,百度云盘链接：https://pan.baidu.com/s/1mde9g4FN68TTPamRMl_kBw?pwd=s5sb 提取码：s5sb， 或者csdn资源Faster-RCNNpytorch1.0，vgg16-caffe.pth和resnet101-caffe.pth包含Faster-RCNN pytorch1.0源码和要用到的预训练模型vgg16_caffe.pth、resnet101_caffe.pth

4. pycharm汉化Pycharm汉化简单图文教程

anconda虚拟环境创建

1. 在Faster-RCNN pytorch文件夹打开终端，创建：conda create –n farcnn python=3.6

2. 激活：conda activate farcnn

3. nvidia-smi确认自己的cudaVersion

4. 不要直接用pip install -r requestment.txt文件安装，linux系统不会看你目前环境是否有包已安装，并直接默认安装cuda=11.7的最高版本pytorch.

5. 安装pytorch：conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

6. 单独安装对应版本的opencv，在Links for opencv-python 下载，然后pip install opencv_python-4.2.0.34-cp36-cp36m-manylinux1_x86_64.whl

7. pip install scipy==1.2.1

8. pip install msgpack

9. pip install easydict

10. 其他包就由pycharm配置，关闭终端，打开pycharm

用pycham为项目配置yolo虚拟环境

1. 用pycham打开Faster-RCNN pytorch项目

2. pycham为项目配置虚拟环境

1. 取消自动创建，配置我们刚刚创建的环境

2. 点击设置

3. 选择刚刚配置的farcnn虚拟环境的python3.6文件，一般在(anaconda安装路径) /anaconda/envs/farcnn/bin内（下图是其它项目的，类似路径）

4. 最后一路点确定

3. pycharm打开终端，如果你成功选择了相应的虚拟环境，()内就会显示你的虚拟环境名称

4. 打开requestments.txt，点击“安装要求”，pycharm就会配置其余的包

5. 等待项目环境配置完成

编译

关闭pycharm,在Faster-RCNN pytorch文件夹打开终端，激活farcnn虚拟环境，依次执行

conda activate farcnn

cd lib

pyhon setup.py build develop

等待编译完成

环境配置完成

训练见后续（linux）Faster RCNN-pytorch1.0目标检测2：训练自己的数据集，gpu，pycharm, RTX2080ti，训练笔记