Mask-R-CNN安装（一）
一、Mask-R-CNN项目下载
-
从github网址进行下载。
https://github.com/matterport/Mask_RCNN -
在本地windows系统中，所需下载的位置处，鼠标右击，选择git bush here。
注意：这里是利用git bush方式进行下载。
输入以下代码即可进行下载：
git clone https://github.com/matterport/Mask_RCNN.git
二、项目安装过程
1. 查看Tensorflow和Keras版本。
注意 Tensorflow和Keras具有对应关系，可参考https://www.cnblogs.com/carle-09/p/11661261.html
1.1 Tensorflow GPU版本
Tensorflow-GPU版本的选择主要看两个指标：CUDA和cuDNN。
1.1.1、显卡驱动查看：
-
电脑设备管理器——显示适配器。
只用看倒数第一个小数点往左的第一个数字开始，一直到结尾部分，对于上图来说，即：472.39 -
用命令窗口的指令获取。
图中CUDA版本是本机显卡及驱动最高支持的是 CUDA 11.4版本。
1.1.2、查看对应的CUDA和cudnn版本是否正确。
CUDA版本与显卡对照表
指令查看安装的CUDA版本
查看cudnn安装的版本
进入cuda的include目录
这个就是cudnn 8.7.0版本。
1.1.3、查看tensorflow_gpu版本。
windows系统下的tensorflow_gpu版本
发现本机的CUDA和CUDNN版本过高， 没有对应的tensorflow_gpu版本。
（试着安装了gpu版本，报错了，所以放弃了）
而tensorflow_gpu版本，依赖于CUDA环境，所以这里不安装tensorflow_gpu版本，采用cpu版本。
1.2 Tensorflow CPU版本
CPU版本的基本没什么特别限制，选择适合自己的就好。tensorflow CPU版本
二者对应版本号如表所示（Keras新版本对Tensorflow老版本不兼容，需注意安装版本号）
三. 环境配置过程
这里安装python=3.6，Tensorflow=1.5.0，Keras=2.1.6
1. 创建python环境
- 打开Anaconda Prompt，创建一个python3.6的conda环境，太高有不兼容。
conda create -n maskrcnn2.1 python=3.6
- 下载后，查看已安装的环境。
conda env list
- 激活环境。
conda activate maskrcnn2.1
- 升级pip
如果显示没有pip，则需要先安装pip，再进行升级。
2. 安装Tensorflow
使用国内的清华镜像源进行下载。
pip install tensorflow==1.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
3. 安装Keras
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.1.6
4. 安装的库
根据readme文件中需要的库
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy==1.17.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scipy==1.2.1
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pillow==8.4.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple cython==0.29.28
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib==3.3.4
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-image==0.17.2
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python==4.3.0.38
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple h5py==2.10.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple imgaug==0.4.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ipython==7.16.3
注意：安装opencv-python时会出现如下的错误：
这里是因为，使用pip install opencv-python命令安装的是最新版本，python3.6不支持。所以找一个python3.6支持的版本。如opencv-python==4.3.0.38
5. 安装Mask-RCNN（Maskrcnn-2.1版本中没有这个文件，则不执行）
在Mask-RCNN源文件中有setup.py目录下执行：
四、数据集的导入
1. 气球数据数据集的导入
观看此视频，导入数据集和coco权重，下载放置即可
导入数据后，运行脚本balloon.py。
python balloon.py train --dataset=../../balloon --weights=coco
（1）出现 ModuleNotFoundError: No module named 'model’错误，解决办法包含：
1。导入model的包。
2。将model.py文件放置在balloon文件夹下（文件的位置读取不到，所以需要放置在可以读取的位置）。
（2）出现其他错误，则是库的版本太高，重新安装低版本的库即可。
（3）在pc编译器中设置编译环境、及其他设置。
运行成功后，进入Epoch 1/30 进行训练。
2. coco数据集的导入。（该数据集较大，未进行实现）
基于README文件内容，发现需要完整的复现出MASK-R-CNN项目，需要安装COCO数据集用于训练或测试，安装Jupyter notebooks用于可视化运行过程。
（1）. 下载预训练的coco权重文件。
下载完成以后放在Mask_RCNN目录下即可.
下载预训练权重mask_rcnn_coco.h5
（2）. 安装pycocotools库
如果需要在MS COCO 数据集上训练或测试，需要安装 pycocotools（coco 数据集的应用 API）。如果你不需要在 COCO 数据集上训练和测试，只使用 Mask RCNN 训练自己的数据集，则可以直接跳过这一步。
1）第一步：
git clone https://github.com/pdollar/coco.git
或者是：
git clone https://github.com/cocodataset/cocoapi.git
2）第二步：cd到Mask_RCNN\coco\PythonAPI目录下，依次运行：
python setup.py build_ext --inplace
python setup.py build_ext install
两个数据库，安装都出错，可能是没有安装VS2015环境。
或者：
运行以下代码，无任何错误，则安装无误。
在这里，我们按照第一步骤进行时，总是出现错误，无法正常安装。因此，选择下面这种步骤。
3）安装pycocotools
该步骤，正常安装。
直接下载清华源的pycocotools到，你当前anaonda的虚拟环境的lib下（比如我的是E:\Anaconda\envs\maskrcnn\libs），然后pip install 就ok了。下载链接
python是3.6版本，所以选用cp36
pycocotools_windows-2.0.0.2-cp36-cp36m-win_amd64.whl
命令如下：
pip install E:\Anaconda\envs\maskrcnn\libs\pycocotools_windows-2.0.0.2-cp36-cp36m-win_amd64.whl
或者直接输入命令：
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
五、配置jupyter notebook
anaconda会自带jupyter notebook，但是notebook默认运行的是base环境，因此当我们创建其他虚拟环境时启动notebook需要另行设置。
1. 要想在jupyter中使用刚刚创建的虚拟环境，需要进入刚才的虚拟环境中安装ipykernel和nb_conda：
pip install ipykernel
conda install jupyter
conda install nb_conda
2. 修改配置文件（最重要的一步）
然后输入：
Jupyter-notebook
浏览器中，自动跳转会打开Jupyter-notebook。
这里后面打开页面，进行运行 的时候出现问题，还未解决，所以暂时停留在这里。
先去处理老师着急要的相邻光栅认知实验！