2019.6.29-更新： 南方的天气总是这样让人捉摸不透，最近上手了Windows的maskrcnn-benchmark安装调试 但是鄙人是在笔记本上实施的，显卡配置低，虽然说是双显卡配置，但可以安装独立的nvidia driver和cuda 也就是说在台式机上能发挥更大空间，这点不必担心
ubuntu-16.04-LTS
GPU-GTX-1060Nvidia-384.130Anaconda3-python3.7cuda-9.0cuDNN-7.5.1PyTorch 1.1torchvision from mastercocoapiyacsmatplotlibGCC 5.4opencv-python下载Ubuntu-16.04-LTE 制作Ubuntu-16.04-LTE-USB引导
下载UltralSO 注册名：Guanjiu 注册码：A06C-83A7-701D-6CFC 不推荐盗版，正版才30元 1.打开UltralSO软件，在左下方文件管理里面找到下载的iso文件 2.双击iso文件 3.点击工具栏“启动”项 4.选择“写入硬盘映像”项 5.“硬盘驱动器”选项选择要格式化的U盘，检查镜像文件是否正确，写入方式为USB-HDD+，其他默认 6.点击“格式化”选项，注意做U盘引导盘需要NTFS格式；点击“写入”，等待进度条到100% 7.完成后，关闭UltralSO，弹出U盘，这样USB引导就做好了
安装Ubuntu-16.04-LTE 注意分区方案，128G SDD +1T 机械 ，内存 8G的推荐方案：
文件系统挂载点分区格式大小/dev/sda1(无)efi1G/dev/sda2/bootext41G/dev/sda3/ext4118G/dev/sda4(无)swap8G/dev/sdb1/homeext41T一个大神的分区方案 这里区别与大神的，/tmp用来放临时文件的，重启消失；/var用来放数据库的；/是分给根目录的。对于这三个分区就要见仁见智了，需要哪个就补哪个。 安装完系统一定要升级安全补丁和版本
sudo apt update sudo apt upgrade从cuda与NVIDIA，gcc等版本关系这里来看，cuda9.0更支持5.3版本，但不限于gcc5.3。在这里我用的是开始系统提供的gcc5.4版本同样能运行（maskrcnn_benchmark需要4.9<=GCC<=6.0）。
下载安装gcc4.9
sudo apt-get install gcc-4.9 sudo apt-get install g++-4.9配置gcc4.9
cd /usr/bin sudo mv gcc gcc.bak # 备份 sudo ln -s gcc-4.9 gcc # 重新链接 sudo mv g++ g++.bak sudo ln -s g++-4.9 g++查看降级是否完成
gcc -v && g++ -v查看cuda版本支持的显卡 安装显卡驱动 检查显卡驱动是否安装成功
nvidia-sm下载cuda9.0
cuda官方安装教程
cuDNN没有选择安装，因为在官网没有找到pytorch对应的cudnn版本; 尝试之后，果然不需要cudnn也能运行maskrcnn-berchmark。 下载cuDNN(亦是非必要)---- 需要选择cuda对应版(可能还需要pytorch对应版本) cudnn官方安装教程
Anaconda3官网下载：Anaconda3-python3.7
cd download #默认下载目录 bash Anaconda3-5.3.0-Linux-x86_64.sh #后续配置过程自便 查看已安装版本信息 conda --version建议更新所有包
conda update --all创建新环境
conda create --name <env_name> <package_names>切换环境
source activate <env_name>显示已经创建的环境
da info --envs #or conda info -e #or conda env list删除环境
conda remove --name <env_name> --all查看当前环境已经安装的包
conda listWindows 10 专业版（64-bit）
Geforce 930MXNvidia-388.57Anaconda3-python3.7cuda-9.0PyTorch 1.1torchvision from mastercocoapiyacsmatplotlibopencv-python因为鄙人不是重装系统才来的，所以这里贴一下我认为有关的环境
vs2015（添加了c++语言）DirectPlay（Windows旧版组件）重要的，硬件配置必须高；PATH需要配置好，Windows和Linux都是安装过程基本和前面Ubuntu的安装一样，不过是改成了Windows.iso镜像文件 点这里上去安装 激活Windows请自重（自便）
查看cuda版本支持的显卡 下载cuda9.0 在安装之前（推荐，为什么说推荐呢，因为最近看到有显示NVIDIA.DLL版本为10以上的装成功了，也就是最新的显卡驱动能兼容9.0的cuda）：
1.键盘win+pause break 2.点击控制面板主页 3.将查看方式改为小图标 4.找到并点击NVIDIA控制面板 5.在NVIDIA控制面板菜单栏点击帮助-系统信息-组件 6.查看NVIDIA.DLL版本，若不是9.，需将其卸载重装
关于卸载重装NVIDIA驱动，需要显卡驱动的很容易下载安装，官网对应显卡版本就行， 卸载过程中如果出现若干问题，请自便 目前台面上有多种卸载方法，慎重考虑结束当前nvidia任务，删除文件的做法，着重考虑官方最后一种方法，但不推荐（卖个关子） 安装：
1.点击下载的cuda.exe文件 2.勾选带有显卡驱动的选项卡 3.自定义全选 4.安装
Anaconda3官网下载：Anaconda3-python3.7 安装过程注意：如果不勾选自动配置环境变量，请自行配置 部分example
终端安装
# this installs the right pip and dependencies for the fresh python conda install ipython # maskrcnn_benchmark and coco api dependencies pip install ninja yacs cython matplotlib tqdm opencv-python # follow PyTorch installation in https://pytorch.org/ conda install pytorch torchvision cudatoolkit=9.0 -c pytorch # $INSTALL_DIR为安装包路径 # install pycocotools cd $INSTALL_DIR git clone https://github.com/cocodataset/cocoapi.git cd cocoapi/PythonAPI python setup.py build_ext install # install apex cd $INSTALL_DIR git clone https://github.com/NVIDIA/apex.git cd apex python setup.py install --cuda_ext --cpp_ext # install PyTorch Detection cd $INSTALL_DIR git clone https://github.com/facebookresearch/maskrcnn-benchmark.git cd maskrcnn-benchmark python setup.py build develop