其中有两个资源，对应pytorch 1.10及以下和pytorch1.11及以上版本，需要哪个自己取。 用爱发电，请支持一下。

DCNv2的调试问题解决方案

支持pytorch1.7版本，不用做较大修改即可运行

包含编译的源码、已经编译的文件、支持pytorch1.X、无需修改源码 使用的编译环境：MSVC 2017 x64 使用的python 版本： 3.7 使用的pytorch版本：1.4 安装方式，conda进入到包含pytorch的环境，进入到该资源文件的解压文件夹，执行"python setup.py build develop"命令，即可安装成功。解压后，建议修改解压文件夹名字为DCNv2

PyTorch中的Deformable-ConvNets-V2 此存储库是的实现。 从原始移植。 有关完整框架，请参考此。 在可以找到基于mmdetection代码库的DCNv2的结果。 非常感谢强大而干净的框架。 master分支中的运算符与pytorch_v0.4.1兼容。 对于pytorch v1.0.0（由Jiajiai 实现）上的运算符，请参阅。 多亏了和mmlab的其他贡献者，DCNv2现在已基于该分支的主分支纳入正式的mmdetection回购中。 现在，它是使用新的cpp扩展api编写的，并且支持PyTorch 0.4.1和1.0，但速度和内存优化较小。 结果和模型可以在找到。 建造 sh make.sh 有关用法示例，请参见test.py和test_modulated.py 。 注意 此仓库提供了可变形的conv层，该层可在Deformable ConvNets

DCNv2最新 由于DCN在许多模型中使用得很好，并且性能很好，但是在行业中，此操作支持不是很好。 包括pytorch，onnx，tensorrt等。此仓库使pytorch中的所有版本都可以使用DCNv2。 在CenterNet-DLA模型中推断出的Pytorch 1.7。 它可以在Pytorch 1.7上运行，因此您可以在RTX 30系列卡中使用它。 更新 2021.03.24 ：已确认PyTorch 1.8在主分支中可以使用，随时可以使用它。 2021.02.18 ：新年快乐！ PyTorch 1.7终于在master分支上得到支持！ 对于较低的版本，理论上也可以，如果没有，请向我提出问题！ 。 2020.09.23 ：现在，默认情况下，master分支适用于pytorch 1.6，对于较旧的版本，您需要将其分开。 2020.08.25 ：签出pytorch1.6分支以获得py

DCNv2最新 由于DCN在许多模型中使用得很好，并且性能很好，但是在行业中，此操作支持不是很好。 包括pytorch，onnx，tensorrt等。此仓库使pytorch中的所有版本都可以使用DCNv2。 在CenterNet-DLA模型中推断出的Pytorch 1.7。 它可以在Pytorch 1.7上运行，因此您可以在RTX 30系列卡中使用它。 更新 2021.03.24 ：已确认PyTorch 1.8在主分支中可以使用，随时可以使用它。 2021.02.18 ：新年快乐！ PyTorch 1.7终于在master分支上得到支持！ 对于较低的版本，理论上也可以，如果没有，请向我提出问题！ 。 2020.09.23 ：现在，默认情况下，master分支适用于pytorch 1.6，对于较旧的版本，您需要将其分开。 2020.08.25 ：签出pytorch1.6分支以获得py

Deformable Convolutional Networks V2 with Pytorch 1.X

可变形卷积dcnv2编译，ubuntu16.04下编译好的，cuda10.0，cudnn7.1.3，欢迎下载

编译DCNv2网络：error: command 'C:\\Program Files\\NVIDIAGPUComputingToolkit\\CUDA\\v10.0\\bin\\nvcc.exe'