1.安裝CUDA+CUDNN,這個可以參考筆者的上一篇部落格

2.安裝caffe2筆者試過三種方法

1)conda安裝

如果沒有gpu則直接執行 conda install -c caffe2 caffe2 即可 如果有gpu，根據自己所安裝的cuda和cudnn版本執行命令，如果筆者為cuda9.0,cudnn7.0.5，則執行 conda install -c caffe2 caffe2-cuda9.0-cudnn7。但是筆者執行完之後會出現問題，會報編譯caffe2時cudnn版本和執行caffe2時cudnn版本不一致的問題。所以筆者放棄了。

2)原始碼編譯安裝

各種問題報錯，始終為解決（哭暈在廁所）

3)docker安裝

①docker安裝需要事先安裝好docker和nvidia-docker（筆者稍後會寫關於這兩個安裝的部落格） ②在 https://github.com/facebookresearch/Detectron 中下載Detectron壓縮包，下載之後直接解壓 ③使用 docker build -t caffe2_detectron_env /home/niechuan/DeepLearningModels/Detectron/docker 建立映象，其中caffe2_detectron_env為你所指定的映象名稱，/home/niechuan/DeepLearningModels/Detectron/docker為映象檔案目錄。 ④經過長時間安裝，終於可以測試啦。 ⑤進入容器，執行命令，nvidia-smi run -it caffe2_detectron_env /bin/bash/,執行cd命令，一路進入到tests資料夾內，執行 python test_zero_even_op.py，如果沒有報錯，那就是成功啦，如果報錯了，筆者也沒法，不過可以發上來討論一下（哈哈）

4)有些同學可能覺得終端使用太麻煩，還是覺得在IDE中方便，筆者使用的為pycharm IDE，關於pycharm如何安裝和破解，筆者可能會寫部落格，也可能不寫（網上太多了，哈哈）。

在pycharm中建立專案之後，file–>settings–>project–>project interpreter,右側有個小的設定按鈕，點選之後選擇add，然後點選左側的docker，就可以設定環境了。你以為可以高興的使用了？no no no！，很多同學可能會存在import caffe2出現no model named caffe2的問題，這裡可以點選開pycharm/bin/pycharm.sh檔案，在底部加入

export LD_LIBRARY_PATH=/usr/local/caffe2_build/lib:$LD_LIBRARY_PATH

export PYTHONPATH=/usr/local/caffe2_build:$PYTHONPATH

這裡的路徑可以在之前的Dockerfile中檢視，現在終於高興的使用了？不存在的，有可能還會報錯的，筆者這裡沒截圖，不記得具體的了，但是你可以嘗試使用進入之前的docker容器，執行pip install pydot ，然後commit儲存更改的內容，在pycharm中使用新的docker環境即可，終於可以開心的使用啦。（純手打，如有錯誤，請諒解）