DETR-like 模型环境配置

DINO-DETR模型的环境与YOLOS完全相同，起初博主直接沿用了YOLOS的环境，后来更换了服务器，也就重新配置一下：
GPU配置：

首先是进行项目下载，由于博主此时并未对项目进行大量更改，只需要从github上直接git即可。

git clone https://github.com/IDEA-Research/DINO.git

下载完成后我们将mian.py和相关配置文件替换一下即可。
随后进行环境安装

conda create -n der python=3.7

切换到DINO目录下安装环境依赖：这里注意一下先将pycocotools的下载删除，变为：

cython
submitit
torch>=1.5.0
torchvision>=0.6.0
scipy
termcolor
addict
yapf
timm

随后执行安装命令。

pip install -r requirement.txt

然后再进行pycocotools的安装。

pip install pycocotools

紧接着配置CUDA算子

cd models/dino/ops
python setup.py build install
python test.py

在配置DINO-DETR模型的CUDA算子时，报错：

libcublas.so.11: symbol cublasLtHSHMatmulAlgoInit, version
libcublasLt.so.11 not defined in file libcublasLt.so.11 with link time
reference

这是pytorch找不到cuda导致的，起初博主以为是pytorch版本不对，后来发现是因为在按照pytorch1.13时会自动安装nvidia_cublas_cu11，只需要将其卸载即可：

pip uninstall nvidia_cublas_cu11

再次配置即可，test.py主要进行一个维度计算测试，与你的GPU显存有关。
可以看到博主在进行 2048通道计算时爆显存了。

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 2.00 MiB (GPU 0; 22.38 GiB total capacity; 20.98 GiB already allocated; 3.94 MiB free;

这不要紧，我们在真正运行该项目时只需要调整batch-size即可，此时博主使用的显卡未NVIDIA P40，显存为24G，可以说已经足以满足需要了。先前在NVIDIA T4显卡上batch-szie只能调整为1。
至此，DINO-DETR的环境配置便完成了，只需要上传完数据集即可运行了。