从零配置Mask RCNN(基于Ubuntu18,tensorflow,CPU,PyCharm)
配个环境弄了两三天，不过今天总算是配好了，因为作者才刚开始入门，所以先试手虚拟机Ubuntu和CPU，入门以后考虑GPU和Ubuntu双系统
1.首先还是要先下Ubuntu,我用的是18（当前最新）
https://www.ubuntu.com/download/desktop
2.当然还要下虚拟机VMware，14版
把虚拟机安装好，划分磁盘30G，内存最开始划分的2G，不过后面运行Demo发现，内存会溢出不够用，所以划分了4G（总内存8G）
把Ubuntu18装上（过程不赘述），如上图，不过要像我一样全屏的话，安装VMwareTools，安装好了以后Ctrl+Alt+Enter全屏
基本操作环境就搭建好了
之后是配置编程环境
3.安装Anaconda3
下载Anaconda3,我用的是清华镜像，下的是Anaconda3-5.3.1-Linux-x86_64.sh
安装包复制到虚拟机桌面，打开终端，可能初用Ubuntu不知道，linux系统多用命令流来操作整个系统，包括安装，打开文件之类的。所以在桌面单击鼠标右键，选择打开终端，根目录下使用命令，bash Anaconda3-5.3.1-Linux-x86_64.sh，等待，之后一直回车，或者yes
4.安装tensorflow对应的Python3.6版本。
终端环境下，输入conda create -n tensorflow python=3.6 不过可能conda命令不可用，因为没有配置环境变量
所以输入命令：
echo 'export PATH="~/anaconda3/bin:$PATH"' >> ~/.bashrcsource ~/.bashrc安装完激活
source activate tensorflow （该命令表示始终在此环境下操作命令流即Python3.6，如果没有这个的话，以后pip安装的包都安装到原本Anaconda3自带的python版本里去了，以后包就各种找不到）
激活以后命令行前面会增加 (tensorflow)
5.安装Tensorflow基本环境(cpu版本)
记住一定要在tensorflow的环境下进行包的安装，即命令前都带有tensorflow
pip install --upgrade pip(配置环境的基石，更新完毕后是18.1版本)
以下命令依次输入
pip install numpy
pip install scipy
pip install cython
pip install h5py
pip install Pillow
pip install scikit-image
pip install keras
pip install theano
pip install jupyter
pip install six
6.安装pycocotools
因为maskrcnn的数据集是COCO，所以要配置数据集环境
输入 git clone https://github.com/waleedka/coco.git，可能会有git命令不可用,则先输入当前命令。sudo apt-get install git（sudo是管理员权限的意思）
再输入 pip install git+ https://github.com/waleedka/coco.git#subdirectory=PythonAPI
我遇到"git+"命令又无法使用之类的，之后我先进入coco/PythonAPI，初学Ubuntu可能不知道怎么通过命令进入文件目录，首先：
终端下，输入ls，然后看到当前目录下存在的各个文件，然后输入cd 进入各个目录，如下图
反正一层一层的进，ls查看各个目录下的文件，最后用make或者make install命令即可，我第一次用make，发现有错误，后来用的make install，或者用python3 setup.py build_ext install,可能过程中还有gcc没找到之类的，大家百度一下ubuntu安装gcc，照着教程安装一下就好
PythonAPI目录下生成的pycocotools文件夹，复制到等会下载的Mask-RCNN文件根目录下
7.安装tensorflow
输入 pip install tensorflow==1.5.0 //版本号根据需要自定义
安装完成以后在命令行上输入：python 回车，进入python3.6，在命令行分别输入以下命令
(tensorflow)$ python ###########
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)
如果命令行输出 Hello, TensorFlow! ，说明tensorflow安装成功
测试完成以后输入 exit() 退出python，继续下一步安装
8.安装opencv，imagaug
pip install opencv-python
pip install imgaug
9.配置Mask-RCNN
9.1 下载Mask-RCNN
终端输入 git clone https://github.com/matterport/Mask_RCNN.git
9.2 下载coco权重文件
https://github.com/matterport/Mask_RCNN/releases
在页面上下载 mask_rcnn_coco.h5 （246MB）
下载完成以后放在Mask_RCNN目录下即可
如图
基本上就可以了
之后就是运行demo，最开始用的是jupyter notebook
在前面步骤的基础上进入 Mask_RCNN目录
在命令行输入：jupyter notebook 回车
稍等片刻，会在浏览器打开页面，点击进入 samples目录，点击demo.ipynp进入代码运行页面
选择 Cell 菜单，在 Cell下拉菜单选择 Run All，稍等片刻，在该页面底部会输出运行结果
不过始终服务要失去响应，可能是因为虚拟机的缘故，内存分配太小，且使CPU运行
附：Pycharm安装
改用习惯的Pycharm，下载Pycharm的linux版本。
怎么安装就如同前面Anaconda差不多，就不赘述了
并且要把demo.ipynb转为demo.py
1. 首先命令行中输入:
python -m IPython notebook
打开jupyter，进入你要转换的ipynb中
2. Files —> Downloads as—> python(.py)
之后打开Pycharm，打开maskrcnn文件夹，然后要重新设置一下编译器，点文件菜单，设置
之后重新选择一下，选择3.6
并且
不要使用这个绿色的小圈，因为这个绿色的小圈代表使用Anaconda3自带的包，不是用的我们刚才下好的包
之后确定
11.运行demo
作者电脑运行起来很卡，没办法
可能会遇到什么，get_ipython().run_line_magic('matplotlib', 'inline') 这句话报错,直接注释掉，这是因为这句话在jupyter notebook画图有用，在Pycharm没用
之后遇到Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
大概意思是：你的CPU支持AVX扩展，但是你安装的TensorFlow版本无法编译使用。
由于tensorflow默认分布是在没有CPU扩展的情况下构建的，例如SSE4.1，SSE4.2，AVX，AVX2，FMA等。默认版本（来自pip install tensorflow的版本）旨在与尽可能多的CPU兼容。另一个观点是，即使使用这些扩展名，CPU的速度也要比GPU慢很多，并且期望在GPU上执行中型和大型机器学习培训。
解决方法：在代码中加入
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
之后在运行，可能会出现tensorflow 内存不足：Process finished with exit code 137 (interrupted by signal 9: SIGKILL)，因为虚拟机分配内存比较少，解决方案有两个，一个是BATCH_SIZE=1,批量改小，不过本来代码里都已经是1了，所以增大虚拟机的内存，从2G变成了4G
最后在运行一下
demo顺利展示