【两次】基于win10搭建mask_rcnn环境，并跑通实验————分享经验

一、环境搭建概括

win10+GPU+python3.6+anaconda3.5+VS2015+CUDA8.0+cudnn6.0+tensorflow1.8.0

        【啰嗦一下】：由于实验室服务器暂时用不了，本人便在阿里云上开通了ECS的GPU服务器，用起来还不错，于是便把环境搭建起来，然后跑了一下demo；不过在跑Mask_rcnn时系统盘爆满，便想着更换自己购买服务器的系统盘，结果我要崩溃了，更换过程中出现问题比较多，和阿里云协商两天也没解决我的问题，最后我说我再买个服务器，然后这个服务器释放掉并全额退款。所以在这里又重新搭建了第二次环境。

         总结这两次搭建环境遇到的问题和一些应对小经验..............希望对大家有用吧！！相互交流。

二、环境搭建流程

1、Python3.6安装

        针对这一步骤怎么说呢？看了很多博客第一步都是先做这个，但我想了很久，真的不清楚第一步为什么先安装python（知道原因的希望留言学习）。因为你后续是在anaconda里配置对应的python版本的。不管怎么说，还是说一下步骤：

（1）工具、平台

    python3的最新安装包

   先给出现在网址官网：https://www.python.org 在download中可以下载

    win10操作系统

（2）安装步骤

     下载完成后，双击安装包文件安装

勾选Add Python 3.6 to PATH（勾选此选项在安装时自动配置环境变量），点击Customize installation（自定义安装）

点击Next按钮

勾选Install for all users，再点击Install按钮

等待安装

安装成功，点击Close按钮关闭

打开cmd命令行工具，输入python，有下图回显，说明安装成功

至此Python已经安装成功！！！！

2、Anaconda3安装

（1）下载

Anaconda 官网下载地址：https://www.continuum.io/downloads 
目前最新版本是 python 3.6，默认下载也是 Python 3.6，

我使用的是 Python 3.6版本，这里使用Anaconda3.5版本，因为它默认使用的是 Python 3.6

当然，也可以在官网下载最新版本的 Anaconda3，然后根据自己需要设置成 python 版本。

（2）安装

安装较为简单，基本都是下一步，为了避免不必要的麻烦，最后默认安装路径，具体安装过程为： 
双击安装文件，启动安装程序 （本人最开始在本地电脑用CPU跑mask_rcnn时，由于路径改了，后来搭建环境弄得很麻烦）

点击Next

点击I Agree

选择你想安装的路径，之后一路默认就ok了
安装成功后测试是否安装成功，在anaconda prompt中输入conda list，如下安装成功！！！

【注意不要忘记看一下环境变量是否配置好了，一般是默认自动配置好滴】

3、VS2015社区版安装

VS2015 共有三个版本，分别是：
社区版（Community）：免费提供给单个开发人员、 开放源代码项目、科研、教育以及小型专业团队！大部分程序员（包括初学者）可以无任何经济负担、合法地使用 VS2015 了。
专业版（Professional）：售价 1199 美元。
企业版（Enterprise）：售价 5599 美元。
（1）下载VS2015

VS2015 社区版（Community）下载地址：
迅雷下载（较快）：ed2k://|file|cn_visual_studio_community_2015_x86_dvd_6847368.iso|4013920256|EB7F6605EDE67509E218E29173AC6574|/
百度网盘（较慢）：http://pan.baidu.com/s/1nuClygp    提取密码：377q

以上是 Visual Studio 2015 Community 简体中文版下载地址。VS2015 比较大，有 3.73GB，建议用迅雷下载。

（2）安装VS2015

VS2015 下载完成后会得到一个镜像文件（.iso 文件），双击该文件即可开始安装。

1) 双击镜像文件后会弹出如下的对话框

选择“运行 vs_community.exe”即可进入安装程序。

2) 开始安装后，会出现等待界面（可能需要几分钟）。

3) 初始化安装程序

4) 如果你的计算机配置不恰当，VS 安装程序会给出警告

出现该警告是由于我的电脑没有安装 IE10。忽略该警告，点击“继续”按钮。

5) 接下来选择安装位置以及安装方式

这里我将 VS2015 安装在系统盘C盘里 ，你也可以安装在别的目录（如上图）。
VS2015 除了支持 C/C++ 开发，还支持 C#、F#、VB 等其他语言，我们没必要安装所有的组件，只需要安装与 C/C++ 相关的组件即可，所以这里选择“自定义”。

6) 选择要安装的组件

我们不需要 VS2015 的全部组件，只需要与 C/C++ 相关的组件，所以这里只选择了“Visual C++”，将其它用不到的组件全部取消勾选了。

7）点击“下一步”按钮，弹出如下的确认对话框

点击“安装”按钮开始安装

8) 接下来进入漫长的等待过程，可能需要半个小时左右

安装完成后，VS2015 会要求重启计算机。嗯，那就重启吧。

9) 重启完成后，打开“开始菜单”，发现多了一个叫“Visual Studio 2015”的图标，就证明安装成功了

【vs2015安装完成】

（1）你可以选择先放着后续配置cuda

（2）你也可以重启电脑，打开做简单配置开发环境和主题风格

启动 VS2015，会提示登录：

【注意】：本人在第一次搭建环境时到目前为止都是一路顺风，但是在第二次搭建环境时竟然出现各种你无法想象得到的问题，在此为大家一一列下来，供大家参考：

（1）安装VS2015时竟然一次次安装不成功，前后弄了四个小时，一直卡在那里，到了晚上11点多实验室关门，就只能放在那里希望第二天回来他就装好了，结果可想而知失败了。。。。

解决方法：

（1）把里面的vs文件都清一清重新安装就行

（2）控制面板，vs2015，更改，修复，然后就一路下来了

（3）ie浏览器更新到10以上

你自己试着来，反正我是卸载了重新安装，就好了。。。。

4、安装CUDA8.0

(1)安装环境

Win10
Python3.6.4
3.5以上版本都可以，目前Tensorflow只支持64位python3.5以上版本
下载安装Cuda8.0，一定要是8.0版本！下载地址https://developer.nvidia.com/cuda-80-ga2-download-archive，并按照下图选择下载本地安装包

如果安装错了记得要把之前的删除卸载干净【如果是安装了不同的版本到时没有什么冲突】

（2）安装完成后配置系统环境变量Path

TensorFlow 是一个编程系统, 使用图来表示计算任务，图必须在Session(会话)里被启动. Session将图的op(操作)分发到诸如CPU或GPU之类的设备上运行。所以，这个时候你运行python然后import tensorflow as tf是不会报错的，但是当你要执行tf.Session()的时候可能就有问题了。这个时候将会调用cuda，我在这里遇到的问题是各种lib,dll加载不了。经过一番检查，定位到问题，Cuda安装完成后默认的环境变量配置不对，不能直接访问到bin和lib\x64下的程序包，在path中加上这两个路径即可

原本安装好之后并不会有以上四个环境变量，有两个需要自己加上。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp

附配置环境变量https://jingyan.baidu.com/article/3ea51489e1c2b752e61bbad0.html
最后在cmd里输入 echo %path% 就能查看你的是否添加进环境变量了

【验证安装成功】

方法一：现在就可以验证是否正确安装了cuda了，打开cmd，输入nvcc -V

方法二：现在想查看一下自己的cuda版本和电脑GPU信息，可以利用deviceQuery.exe，在路径...\CUDA\extras\demo_suite中，点击即可出现。

方法三：在cuda安装好后会自动下载一些example，自己运行测试一下，问题不大。

方法四：等等可以去网上查【本人在验证这里第一次安装浪费很多时间，用方法一成功，但是用方法二却失败了，并且把sample中的例子放到Vs中debug运行报错失败，然后弄了半天只能手动调试成功；但是后来看了其他博客才恍然大悟，原来这些验证都是不同的方法，如果其中一个验证失败可以先放置在那里，后续在调试；所以第二遍搭建环境的时候就变的聪明了，用第一种方法验证就打算不继续验证，谁知道手痒痒，把CUDA与VS2015配置好，直接跑了一下CUDA的例子，结果成功了！！！开心！！！】

【注意】：****这里CUDA与cudnn的版本要对应好，不然在import tensorflow时爆出版本冲突；

一般：CUDA8.0——cudnn6.0(5.1) 这里第一次搭建使用的5.1的cudnn没问题，但是第二次搭建再用5.1版本的cudnn报错让使用6.0，这里有点郁闷不解，不过在wins环境里确实麻烦！！！

           cuda9.0——cudnn7.0这里不建立使用太新版本的！！！

            ****本人在安装后发现图像依赖包安装不成功，但是也去差了很多方法，最后也没解决，就放在那里了，并又没什么影响

5、下载安装Cudnn6.0

（1）下载地址，需要注册并填问卷，下载后解压压缩包，将包内文件夹里面的内容分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0里面的三个文件夹中去。

（2）安装cudnn

将cudnn解压后，里面有三个文件夹，把这三个文件夹里面的东西对应放到CUDA目录下对应的文件夹里即可。

 

这样就可以了！！

6、VS2015 配置CUDA8.0

（1）打开vs2015并创建一个空win32程序,创建一个cuda_samples的解决方案和cuda_test1项目： 

（2）右键源文件–>添加–>新建项，如下图所示

（3）选择NIVIDIA CUDA7.5中 CUDA C/C++file，并在名称那填上cuda_main

（4）选择cuda_test1，点击右键–>项目依赖项–>自定义生成

（5）.选择CUDA8.0【这里用的别人的图片，本人是8.0的】

（6）点击cuda_main.cu的属性

（7）在配置属性–>常规–>项类型–>选择“CUDA C/C++”

（8）项目配置【x64】

1） 包含目录配置

• 1.右键点击项目属性–>属性–>配置属性–>VC++目录–>包含目录
• 2.添加包含目录： 
  $(CUDA_PATH)\include

2） 库目录配置

• 1.VC++目录–>库目录
• 2.添加库目录： 
  $(CUDA_PATH)\lib\x64

3）依赖项

• 1. 配置属性–>连接器–>输入–>附加依赖项
• 1. 添加库文件： 
     cublas.lib 
     cuda.lib 
     cudadevrt.lib 
     cudart.lib 
     cudart_static.lib 
     nvcuvid.lib 
     OpenCL.lib`

注意：添加nvcuvenc.lib库文件，编译时，报找不到该文件的错误。去掉后，程序也能运行

（8）项目配置【x86(win32)】

1)包含目录配置

• 1. 右键点击项目属性–>属性–>配置属性–>VC++目录–>包含目录
• 1. 添加包含目录： 
     $(CUDA_PATH)\include

2)库目录配置

• 1.VC++目录–>库目录
• 2.添加库目录： 
  $(CUDA_PATH)\lib\Win32

3) 依赖项

• 1. 配置属性–>连接器–>输入–>附加依赖项
• 1. 添加库文件： 
     cuda.lib 
     cudadevrt.lib 
     cudart.lib 
     cudart_static.lib 
     nvcuvid.lib 
     OpenCL.lib`

备注： win32和x64位的lib库有差别，配置时需注意，除了上述添加的lib文件外，x64还有其他的lib库文件，如cublas.lib,如运行1.6的样例时，要添加这个库，不然会编译失败。

【测试demo】

// CUDA runtime 库 + CUBLAS 库 
#include "cuda_runtime.h" 
#include "cublas_v2.h" 
#include  
#include  
 
using namespace std;
// 定义测试矩阵的维度 
int const M = 5;
int const N = 10;
int main()
{
// 定义状态变量 
cublasStatus_t status; 
// 在内存中为将要计算的矩阵开辟空间 
float *h_A = (float*)malloc(N*M*sizeof(float));
float *h_B = (float*)malloc(N*M*sizeof(float));
// 在 内存 中为将要存放运算结果的矩阵开辟空间 
float *h_C = (float*)malloc(M*M*sizeof(float));
// 为待运算矩阵的元素赋予 0-10 范围内的随机数 
for (int i = 0; i

运行结果如下图所示：(亲测)

7、Tensorflow-GPU 安装

【注意】首先要清楚有两种安装方法：第一种：通过命令行安装；第二种：通过anaconda中的anaconda Navigatror install安装。

（1）命令行安装：

1-打开你的anaconda prompt

输入以下命令，也可以复制粘贴进去。遇见y/n选择y。

conda create -n tensorflow pip python=3.5 

接着输入以下命令，也可以复制粘贴进去。遇见y/n选择y。

activate tensorflow

接着输入以下命令，也可以复制粘贴进去。遇见y/n选择y。

pip install --ignore-installed --upgrade tensorflow-gpu ==1.8.0

如果速度太慢就换成国内的源吧：

pip install --ignore-installed --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

运行完是这样的：【这里截别人的图，见谅】

后续pip install  ***各种你需要的库文件、函数就可以

（2）anaconda Navigatror install安装：

        如下图create一个环境“tensorflow”，然后install tensorflow-GPU1.8.0，如果没有选中tensorflow-GPU右击鼠标可以进行版本的更换，本人这里选择1.8.0版本，然后applay就好了。。。（对应的Keras选用2.2.0版本的）

           为了能在ipython 和Spyder中使用tensorflow，我们需要在tensorflow的环境中安装这两个的插件。 
　　 打开Anaconda Navigator，选择Not installed，找到 ipython和Spyder并安装，笔者这里已经安装好，所以在这个页面没有显示。 

切换到installed，可以看到两个都已经安装好，其实可以按照自己的需要安装。下图显示已经安装好的Spyder: 

安装好插件后，我们需要测试一下。 
　　在Anaconda Prompt中启动tensorflow环境，并运行ipython，import tensorflow发现成功: 同样，在Anaconda Prompt中启动tensorflow环境，并运行Spyder，等一会儿后会启动Spyder IDE，import tensorflow 同样成功: 

8、接下来的工作很重要Mask_rcnn配置及其准备工作

（1）下载代码

项目源代码地址：https://github.com/matterport/Mask_RCNN

（2）下载模型

在COCO数据集上预训练权重（mask_rcnn_coco.h5），下载地址：https://github.com/matterport/Mask_RCNN/releases

下载完成后将数据集放在Mask_RCNN文件夹中，

（3）安装pycocotools【已经装过vs2015就无需安装vc++2015】

         在COCO数据集上训练或者是测试，需要安装pycocotools（这里是重点！！！），

        clone下COCO放在anaconda文件夹，地址：https://github.com/philferriere/cocoapi，

       或者在终端的anaconda文件夹下输入：

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

    【  接下来安装pycocotools是重点】

 

MaskRCNN时出现了No module named pycocotools.coco的情况

主要是需要安装需要安装pycocotools，后来才发现原来大佬开源了windows的API，进入GitHub按提示搞就好了。

Windows: https://github.com/philferriere/cocoapi. You must have the Visual C++ 2015 build tools on your path (see the repo for additional details)
 

或者是直接克隆下来，按照下面的步骤（跳过第一步！对于第二步：window的话直接cd到 克隆的文件目录/PythonAPI，接下来跟着步骤走就好了）

第一步：

git clone https://github.com/pdollar/coco.git

第二步：

cd coco/PythonAPI

python setup.py build_ext --inplace

第三步：

python setup.py build_ext install

经过上面三个步骤，已经安装好了pycocotools到python库了，进入python命令行就可以直接导入了，执行下面命令不报错说明已经安装成功了

【后续】
到此基本整个环境搭建结束，辛苦敲的字希望对大家有用！！！！后续更新mask_rcnn更多相关内容！！！！！