在现在计算机视觉领域，大概很多人都知道Detectron2项目，这是一个由Facebook（哈，现在已经是Meta了吧）推出的目标物体检测和分割的AI实现，其前身是鼎鼎大名的Detectron，什么叫长江后浪推前浪啊，前身就如此声名遐迩，那么继承者也大抵不会让人失望。因此Detectron2问世以后，逐渐成为大家工作或研究的必备工具框架。
和第一代Detectron相比，Detectron2不仅支持第一代已有的目标检测、实例分割、姿态估计等任务，还增加支持语义分割和全景分割。新增了Cascade R-CNN，Panoptic FPN和TensorMask新模型。它是很多人目标检测的神器。
如果关注技术发展和开源项目的朋友可能都知道，很多的技术实现，都是基于之前一些基础性的预训练模型或者框架而实现的。而在计算机视觉领域，Detectron2就是这样的基础框架，很多项目的demo要跑起来或者项目运行，都依赖于Detectron2。
而Detectron2，由于是以前的Facebook团队维护的，所以它本身还要依赖于PyTorch。目前，Detectron2基本的依赖是python大于等于3.6版本，pyTorch需要在1.8以及以上，在pytorch版本正确的前提下，再安装与其版本匹配的torchvision。当然了，OpenCV虽然并不一定要，不过demo运行需要OpenCV，另外我们平时使用OpenCV也几乎必不可少是吧。
准备工作做好以后，就开始了。当然还是要说一下，既然是计算机视觉，那么好的GPU显卡和CUDA就不能少吧。没错，当你安装了GPU的CUDA，才能安装。如果实在没有显卡，那只能安装CPU版本的了，然而CPU版的Detectron2如同CPU版的TensorFlow等深度学习框架，你懂的。
这里用的是Ubuntu20.04，机器带一块主流的GPU。接下来就是安装Detectron2。官方说明，不同版本的CUDA有不同的安装命令。机智客个人的系统里是CUDA11.0。在终端里输入nvcc -V命令可以查看电脑里安装了什么CUDA。之后再看Torch版本。这个用pip list或者pip show torch命令查看版本，最后才是按版本安装。这里需要在终端输入python -m pip install detectron2 -f \
https://dl.fbaipublicfiles.com/detectron2/wheels/cu111/torch1.9/index.html命令即可。执行完这一步，相应的Detectron2才算按要求安装。
当然了，我们以前运行程序，或者我们平时查看或者运行某个项目的时候都被要求用conda的虚拟环境，所以机智客觉得在安装Detectron2的时候，同样也建议在启动某个项目时，在独立的虚拟环境里安装。这样更安全，能避免版本冲突和各种异常。
