AlphaPose 部署

AlphaPose 为开源项目。项目基于PyTorch深度学习框架，所以要安装PyTorch，一般来说把这两个教程看完，PyTorch就能成功安装了：

• 搭建Pytorch环境(GPU版本，含CUDA、cuDNN)，并在Pycharm上使用（零基础小白向）
• PyCharm与Anaconda超详细安装配置教程

之后就是 AlphaPose 的本地部署，copy 源码后一个一个一个一个往 Conda 环境里安装依赖直到程序能正常运行。

需要注意的是在安装依赖过程出现的问题：

1. numpy 版本不能太旧也不能太新了，我用的版本是 1.20.2；
2. 安装 yaml 库的时候，是 conda install pyyaml，别安装成了 conda install yaml，会报错 No module named ‘yaml’；
3. 安装 cython_bbox，pip install -e git+https://github.com/samson-wang/cython_bbox.git#egg=cython-bbox；
4. 有一些会调用 C++API 的库在 pip 安装时报错，是因为系统要安装 C++ 环境。用 Microsoft C++ 生成工具（Build Tools）。报错内容 Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools": https://visualstudio.microsoft.com/visual-cpp-build-tools/ ERROR: Could not build wheels for psutil, which is required to install pyproject.toml-based projects
5. 报错 No module named ‘detector’ 的话，把 demo_inference.py 拿到根目录下运行即可；
6. 下载目标检测模型 yolov3-spp.weights，并在 yolo 文件夹中新建 data 文件夹并将模型放入：detector/yolo/data/yolov3-spp.weights；
7. 下载 人体姿态估计模型 放入 pretrained_models 文件夹中，使用模型时，需要调用相应的 config 文件，config 文件不用额外下载，源码自带；

部署完成后，cd 到一级文件夹输入下面指令即可运行（更多指令可查看 Getting Started）：

调用config：configs/halpe_26/resnet/256x192_res50_lr1e-3_1x.yaml
调用模型：pretrained_models/halpe26_fast_res50_256x192.pth

识别图片并保存
python demo_inference.py --cfg configs/halpe_26/resnet/256x192_res50_lr1e-3_1x.yaml --checkpoint pretrained_models/halpe26_fast_res50_256x192.pth --indir examples/demo/ --save_img

识别摄像头
python demo_inference.py --cfg configs/halpe_26/resnet/256x192_res50_lr1e-3_1x.yaml --checkpoint pretrained_models/halpe26_fast_res50_256x192.pth --outdir examples/res --vis --webcam 0