1. detectron2

FAIR 开源的目标检测框架 Detectron2 ，基于 Pytorch 。它训练比从前更快，功能比从前更全，支持的模型也比从前更丰盛。比如对初代的模型 Faster R-CNN，Mask R-CNN，RetinaNet，DensePose 等的支持外，还支持一些新的模型，如 Cascade R-NN，Panoptic FPN，TensorMask 等 ，而且解决了以前 Pytorch 生产难以部署的诟病。所以我迫不及待的要试一试， 记录一下 Detectron2 环境搭建过程 。

2. pytorch 环境

首先我们要搭建一个 Pytorch 环境，步骤可参考之前的 利用 Conda 安装深度学习框架 Pytorch 一文即可。

3. opencv3

Opencv3 是一个知名的计算机视觉处理库。在 Python 3.6 环境下使用下面的命令并就可以了：

conda install -c menpo opencv3
复制代码

但是在 Python 3.7 环境下上面的命令是无效的。可以使用 pypi 进行安装:

pip install opencv-python
复制代码

如果你的网络不好也很容易失败，我们可以临时使用清华的 pypi 镜像来安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
复制代码

4. fvcore

fvcore 是 FAIR 开源的 一个轻量级的核心库，它提供了在各种计算机视觉框架(如 Detectron2 )中共享的最常见和最基本的功能。该库需要 >=Python 3.6 的 Python 环境。