写在前面
最近需要搞一个目标检测加上特征提取的小项目，找方法的时候看到了CenterNet这个网络模型，论文里的图表表现出CenterNet性能完虐YOLOv3，如下图

看着还是非常诱惑的，所以试试用这个。论文里也给了官方代码，但是还是有不少问题。

本机环境

从整个配置过程来看，主要问题集中在DCNv2这个网络的编译上。经过不少的尝试，最终在我的环境下编译成功：

• PyTorch 1.5
• CUDA 10.2
• g++ 7
• NVIDIA Driver 470.57.02
• Ubuntu 20.04
• Python 3.6

操作系统和Python版本应该不是很重要，主要是PyTorch、CUDA以及g++版本问题。之前我的电脑CUDA 是11.1的，编译出来之后出现

RuntimeError: Error compiling objects for extension

网上说是PyTorch和本地CUDA版本不一致导致，最终权衡之后是降级CUDA，重新安装了PyTorch。

CUDA10.2安装主要参考

因为在安装时候会默认也安装N卡驱动，我没有安 （因为之前重装驱动之后给电脑搞坏了整个盘子都清了） ，所以还是看自己选择。我装的时候电脑上的驱动版本已经高于下面链接中的版本了。

Ubuntu20.04安装CUDA10.2

PyTorch1.5安装命令

这里最好还是使用conda创建一个虚拟环境。

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

不要忘了将原来的PyTorch套装卸载（如果有）。

pip uninstall torch torchvision torchaudio 
pip install torch==1.5.0 torchvision==0.6.0

g++版本更换

一般来说Ubuntu会有多个g++版本，可以查看

ll /usr/bin/ | grep "gcc"

然后进行切换版本就行了。参考

cuda error gcc(unsupported GNU version! gcc versions later than 5 are not supported)

下载CenterNet并替换DCNv2

官方给的源代码：

git clone https://github.com/xingyizhou/CenterNet

官方给的CenterNet中 src/lib/models/networks目录下的DCNv2就是要替换的，将整个文件夹删除。
然后在这个目录下

git clone git@gitcode.net:mirrors/MatthewHowe/DCNv2.git 

安装

到目前为止，环境应该已经配好了，就是按照第一部分的内容（不一定按照我的这样配，只是我的这种环境在我的电脑上可以编译运行成功），然后也将DCNv2的代码进行了替换（整个文件夹删除之后又重新clone的指定代码）。
下面就开始编译安装（主要参考官方安装文档）：

1. 安装COCOAPI，这个位置不太重要，自己能找到就行。

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

2. 进入到CenterNet的master文件夹下

pip install -r requirements.txt

3. 编译DCNv2

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

4. [可选，only required if you are using extremenet or multi-scale testing]Compile NMS if your want to use multi-scale testing or test ExtremeNet.（这个我也编译了）

cd src/lib/external
make

5. 对应readme/INSTALL.md的第7步

然后就基本上完成了安装工作，可以train了。