Mask-RCNN应用 - Win10上安装Mask-RCNN运行环境

MaskRCNN入门路径–> Mask-RCNN应用研究方法 - 持续更新中

如有问题或需要指导，请私聊留下联系方式或用手机打开https://m.tb.cn/h.fINaraE?tk=PCzA2jPp4V0进行咨询

安装参考以下文章链接，但对原文章做以下补充

安装tensorflow-gpu使用豆瓣源安装比较快 pip install tensorflow-gpu -i https://pypi.douban.com/simple
安装keras使用中科大源安装比较快 pip install keras -i https://pypi.mirrors.ustc.edu.cn/simple/
亦可尝试其他国内源，例如https://pypi.tuna.tsinghua.edu.cn/simple

添加conda国内源可以加快下载速度，参考https://blog.csdn.net/qq_15615505/article/details/109578373

本人已经测试过在Win10+python3.6+tensorflow——gpu1.13.1+cuda10的配置，可以完美支持

查看tensorflo与CUDA以及Cudnn对应版本关系
[参考文章][TensorFlow与CUDA和cuDNN对应关系查询](https://blog.csdn.net/qq_15615505/article/details/116504530)

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/GuoFei_1314/article/details/89766337

前言

配置环境，被折磨了72+小时，72小时内安装卸载超过30次，踩过的坑贡献给无私的互联网参考。在网上找了很多资料，发现没有满意确切的教程，所以今天分析一下经验希望能让大家少走弯路。
参考：https://www.cnblogs.com/guoyaohua/p/9265268.html

第一步：查看显卡计算能力和各版本匹配

想要用GPU计算，需要 CUDA 和 cuDNN 的支持，你要查看你的英伟达显卡是否支持CUDA以及对应的计算能力，最好在3.0以上，作者显卡是GTX950M，计算能力为5.0。
附上网址：https://developer.nvidia.com/cuda-gpus
满足条件后就证明你的电脑可以继续下一步了。注意、注意、注意：不要着急马上安装，需要知道版本匹配问题。

1. Windows环境下不能安装Python2.7版本的tensorflow；
2. tensorflow、Python、cuda、cudnn必须严格匹配，不然就会出现各种奇奇怪怪的问题；
   Linux
   
   Mac
   
   Windows
   作者安装的是CUDA 9.0、cuDnn 7.0、python 3.5或者3.6、anaconda3的5.1版本、tensorflow-gpu 1.5.0、kears 2.1.4，差不多你们的电脑也可以按这个来。

第二步：安装Anaconda

官网下载地址：https://www.anaconda.com/download/

所有版本镜像下载（速度快）：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

我系统是64位，装的是旧版本，在清华源上找见Anaconda3-5.1.0-Windows-x86_64.exe，之后进行安装。

注意安装anaconda时一定要把环境变量加入windows环境中。要没有勾选，安装完后还有手动加入。

打开CMD输入“conda–version”命令，出现conda 4.4.10。若没有的话把你anaconda3安装路径下的这三个路径加入系统环境变量中就行了。

第三步：安装TensorFlow-GPU

1.为conda设置清华源
打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

 
   
   
   
   

 
   
   
   
   

    
    
    
    
1
    
    
    
    
2
   
   
   
   

2.创建名为“tensorflow”的conda环境
输入以下代码：

conda create -n tensorflow pip python=3.5

 
   
   
   
   

 
   
   
   
   

    
    
    
    
1
   
   
   
   

看到类似下图情况及为conda环境创建成功。

3.激活环境

4.安装tensorflow-gpu
安装指定版本的tensorflow-gpu，接着上面的代码输入：

pip install tensorflow-gpu==1.5.0

 
   
   
   
   

 
   
   
   
   

    
    
    
    
1
   
   
   
   

类似这样就安装成功了。
务必注意一点，在安装完tensroflow后，由于我们是新创建的conda环境，该环境中基本上是空的，有很多包和IDE并没有安装进来，通过以下命令安装Anaconda基础包。

conda install anaconda

 
   
   
   
   

 
   
   
   
   

    
    
    
    
1
   
   
   
   

5.查看python版本

第四步：安装CUDA + cuDNN

1.下载CUDA + cuDNN
在这个网址查找CUDA已发布版本：https://developer.nvidia.com/cuda-toolkit-archive
cuDNN历史版本在该网址下载：https://developer.nvidia.com/rdp/cudnn-archive
附百度网盘资源：
CUDA 9.0:：https://pan.baidu.com/s/1_mQgLKmmEGUwMqiQ_QgcFg 提取码：qgy0
配套的cuDNN 7.0：链接：https://pan.baidu.com/s/1fntIUYhlS9JvQL7g9YfzuQ 提取码：05fi
2.安装 CUDA 9.0 和 cuDnn 7.0
选择“自定义（高级）

勾选所有

*注意：*安装路径不要改，保持默认，一路下来就行。
接下来，解压“cudnn-9.0-windows10-x64-v7.zip”，将以下三个文件夹，打开文件夹内容，分别拷贝到CUDA安装的根目录对应的文件下面，不要直接复制文件夹。

这样CUDA Toolkit 9.0 和 cuDnn 7.0就已经安装了，进行环境变量的配置，将下面四个路径加入到环境变量中，注意要换成自己的安装路径。

到此，全部的安装步骤都已经完成，这回我们测试一下。

第五步：测试

1.查看是否使用GPU

import tensorflow as tf
tf.test.gpu_device_name()

2.查看在使用哪个GPU

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

3.查看已安装tensorflow版本

python
import tensorflow as tf
tf.__version__

4.查看已安装tensorflow安装路径

python
import tensorflow as tf
tf.__path__

5.确定自己的TensorFlow是CPU还是GPU的版本

import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

6.查看keras版本

python
import keras as k
print(k.__version__)

7.查看tensorflow是否安装成功

import tensorflow as tf
hello = tf.constant('Hello')
sess=tf.Session()
print(sess.run(hello))

第六步：基于mask rcnn的其他需要安装部分

1.keras安装

pip install keras == 2.1.2

2.git安装
去网上找自己的安装包或者用我给出的百度网盘资源：https://pan.baidu.com/s/1G8CUJccBypQ9-AI7_q-qdw 提取码：simu
这个很简单，就不细说了。

3.pycocotools 安装

参考：
https://blog.csdn.net/XCCCCZ/article/details/82725409

https://blog.csdn.net/qq_39622065/article/details/82023317

https://blog.csdn.net/gxiaoyaya/article/details/78363391

https://blog.csdn.net/chixia1785/article/details/80040172

作者自己总结了一下：

第一步：去GitHub上下代码的话非常慢，这里给出压缩包：链接：https://pan.baidu.com/s/17K7cdtmzQj7wFx42mm-ZrA 提取码：kxef

第二步：解压，命令行进入解压文件目录，执行以下代码：

cd coco/PythonAPI
python setup.py build_ext --inplace
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python3命令行就可以直接导入了，执行下面命令不报错，类似下图说明已经安装成功了。

4.包Shapely安装

用pip命令这个包一般安装不成功，但是又需要，那怎么办？来看下面。

首先，查看你电脑支持的python包后缀（安装python出现is not a supported wheel on this platform解决办法）

import pip._internal
print(pip._internal.pep425tags.get_supported())

然后，去这个网站：https://www.lfd.uci.edu/~gohlke/pythonlibs/
下载你电脑对应的安装文件，我的是Shapely-1.6.4.post1-cp37-cp37m-win_amd64.whl
百度网盘资源：https://pan.baidu.com/s/1duGeqwHa0BjeYUIzHIyKiQ 提取码：qz6g
下载完后切换到下载下的路径，再用pip就成功安装。

5.visual c++ 2015 bulid tools安装

百度网盘资源：https://pan.baidu.com/s/18t3FwyoJaONHv2Vy1xiDyQ 提取码：c4r5

默认安装就可以。

6.如遇到h5py_init_.py:36:错误

h5py 和 numpy 版本冲突，h5py 官方已修复合并到 master 分支，但是还没发新版，在发版之前可以用降级 numpy 的方法跳过这个问题。降级命令如下：

pip install numpy==1.13.3

7.如遇到tensorflow-tensorboard 0.4.0rc3 has requirement bleach==1.5.0, but you’ll have bleach 2.0.0 which is incompatible错误
解决方法：

pip install tensorflow-tensorboard

第七步：mask rcnn实现你的第一个demo程序

1.mask rcnn源码下载
GitHub资源：https://github.com/matterport/Mask_RCNN
百度网盘资源：https://pan.baidu.com/s/1SXJFCgKgqdJOw4AAlQd7Fg 提取码：24fw

2.mask_rcnn_coco.h5下载

百度网盘资源：链接：https://pan.baidu.com/s/1SR2XfrBwqaof_SE_-0ufDQ 提取码：u1ya

3.mask_rcnn进一步安装

命令行进入mask rcnn源码文件夹下，把mask_rcnn_coco.h5也放在其中，输入以下命令：

activate tensorflow
# 你可以自行进文件里面看要求，不用执行这步，有时这步还容易出错，作者就手动检查的
pip install -r requirements.txt
python setup.py install
jupyter notebook

把出现的网址复制到浏览器打开

4.demo成功

找到D:\Mask_RCNN-master\samples\demo.ipynb打开，点击Cell-Run Cells

显示Processing 1 images

image                    shape: (476, 640, 3)         min:    0.00000  max:  255.00000
molded_images            shape: (1, 1024, 1024, 3)    min: -123.70000  max:  120.30000
image_metas              shape: (1, 89)               min:    0.00000  max: 1024.00000

好了大功告成，舒服了！！

希望这篇文章能给大家带来帮助，如有任何错误，欢迎指教交流。