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。
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）：
- 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
- 进入到CenterNet的master文件夹下
pip install -r requirements.txt
- 编译DCNv2
cd src/lib/models/networks/DCNv2
./make.sh
- [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
- 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。