框框框子1. Windows 下 CenterNet 环境配置全记录
作为一名长期在 Windows 平台进行深度学习开发的工程师，我深知在 Windows 环境下配置目标检测框架的痛点。最近在复现 CenterNet 这个经典的单阶段目标检测算法时，遇到了不少环境配置上的坑，特别是 DCNv2 模块的编译问题。本文将详细记录整个配置过程，重点解决 Windows 平台特有的编译难题。
我的配置环境如下：
- 操作系统：Windows 11 (x86_64)
- Python：3.8.10
- PyTorch：2.2.0 (CUDA 12.1)
- 开发工具：VS Code + Anaconda
- GPU：NVIDIA RTX 3090 (驱动版本 536.67)
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 基础环境准备
2.1 项目源码获取
首先需要获取 CenterNet 的官方实现代码。这里我推荐直接从 GitHub 克隆最新版本：
bash复制git clone https://github.com/xingyizhou/CenterNet.git
cd CenterNet
提示：如果网络环境不稳定，可以直接下载 ZIP 压缩包。但要注意，某些编译步骤可能需要完整的 git 仓库结构。
2.2 创建 Python 虚拟环境
为了避免污染系统环境，我强烈建议使用 conda 创建独立的 Python 环境：
bash复制conda create -n centernet python=3.8
conda activate centernet
然后安装基础依赖：
bash复制pip install torch==2.2.0 torchvision==0.16.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt
pip install opencv-python pillow matplotlib cython
注意：PyTorch 2.2.0 需要 CUDA 12.1 支持，请确保你的 NVIDIA 驱动版本足够新（至少 530 以上）。