maskRcnn环境配置(anaconda)win10和成功运行Mask_RCNN-2.1的demo.ipynb

一、 maskRcnn环境配置（win10）

先看我成功运行的配置：
python3.6.13
tensorflow-gpu 1.5.0
scipy1.2.1
Keras2.2.0
cuda9.0
cudnn7.0

一.默认Anaconda已安装

MaskRCNN——01.环境配置（基于Anaconda）

二.下载MaskRCNN源码，查看环境要求

下载Mask-RCNN源码
环境要求详见文件：README（如下图）

三.Anaconda下搭建MaskRCNN环境

1. 创建并激活环境：

conda create -n MaskRCNN python=3.6  //名为MaskRCNN，python版本为3.6
source activate MaskRCNN  // 激活环境
pip install --upgrade pip  //升级pip的命令

2. 安装tensorflow-gpu

conda install tensorflow-gpu==1.5.0   //版本号根据需要自定义（gpu/cpu）,可以验证一下tensorflow是否安装成功,这里不再详述
或者： pip install tensorflow-gpu==1.5.0 

cuda对应的tensorflow-gpu、keras版本、pytorch的对应版本

3. 安装对应版本的Cuda cuDnn

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
Win10 Anaconda下TensorFlow-GPU环境搭建详细教程（包含CUDA cuDNN安装过程）
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

下载CUDA cuDNN
百度网盘链接：提取码：0y0c

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。

会发现多了一个cuda9.0的路径：

按下面操作添加路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

打开cmd，输入nvcc -V可以验证CUDA的安装是否成功。

验证tensorflow是否正常运行：

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

4. 依次安装requirements.txt文件中的依赖项

pip install numpy
pip install scipy
pip install Pillow
pip install cython
pip install matplotlib
pip install scikit-image
pip install keras>=2.0.8
pip install opencv-python  //pip install opencv-python可行，conda出错
                                         // conda安装opencv-python：conda install --channel https://conda.anaconda.org/menpo opencv3
pip install h5py
pip install imgaug
pip install ipython

这是我的maskRcnn环境中所有以来安装包：

absl-py                1.0.0
astor                  0.8.1
backcall               0.2.0
bleach                 4.1.0
cached-property        1.5.2
certifi                2021.5.30
colorama               0.4.4
cycler                 0.11.0
Cython                 0.29.28
dataclasses            0.8
decorator              5.1.1
defusedxml             0.7.1
entrypoints            0.3
enum34                 1.1.10
flake8                 4.0.1
gast                   0.2.2
谷歌-pasta           0.2.0
grpcio                 1.44.0
h5py                   2.10.0
html5lib               0.9999999
imageio                2.15.0
imgaug                 0.4.0
importlib-metadata     4.8.3
ipykernel              5.3.4
ipython                7.16.3
ipython-genutils       0.2.0
ipywidgets             7.6.5
jedi                   0.17.2
Jinja2                 3.0.2
jsonschema             2.6.0
jupyter                1.0.0
jupyter-client         7.1.2
jupyter-console        6.4.0
jupyter-core           4.8.1
jupyterlab-widgets     1.0.0
Keras                  2.2.0
Keras-Applications     1.0.2
Keras-Preprocessing    1.0.1
kiwisolver             1.3.1
Markdown               3.3.6
MarkupSafe             2.0.1
mask-rcnn              2.1
matplotlib             3.3.4
mccabe                 0.6.1
mistune                0.8.4
nb-conda               2.2.1
nb-conda-kernels       2.3.1
nbconvert              5.5.0
nbformat               5.1.3
nest-asyncio           1.5.1
networkx               2.5.1
notebook               5.7.10
numpy                  1.19.5
opencv-python          4.5.5.62
opt-einsum             3.3.0
packaging              21.3
pandocfilters          1.5.0
parso                  0.8.3
pickleshare            0.7.5
Pillow                 8.4.0
pip                    21.2.2
prometheus-client      0.13.1
prompt-toolkit         3.0.28
protobuf               3.19.4
pycocotools            2.0
pycodestyle            2.8.0
pyflakes               2.4.0
Pygments               2.11.2
pyparsing              3.0.7
python-dateutil        2.8.2
PyWavelets             1.1.1
pywin32                228
pywinpty               0.5.7
PyYAML                 6.0
pyzmq                  22.2.1
qtconsole              5.2.2
QtPy                   1.11.2
scikit-image           0.17.2
scipy                  1.2.1
seaborn                0.11.2
Send2Trash             1.8.0
setuptools             58.0.4
Shapely                1.8.1.post1
six                    1.16.0
tensorboard            1.15.0
tensorflow-estimator   1.15.1
tensorflow-gpu         1.5.0
tensorflow-tensorboard 1.5.1
termcolor              1.1.0
terminado              0.9.4
testpath               0.5.0
tifffile               2020.9.3
tornado                6.1
traitlets              4.3.3
typing_extensions      4.1.1
wcwidth                0.2.5
webencodings           0.5.1
Werkzeug               2.0.3
wheel                  0.37.1
widgetsnbextension     3.5.1
wincertstore           0.2
wrapt                  1.13.3
zipp                   3.6.0

或者直接：

pip3 install -r requirements.txt （担心出错的建议上边一步步安装）
#其实在Anconda中应该使用conda命令安装，但是会遇到各种包找不到的情况（如图），还是选择pip安装：

5. 安装Mask-RCNN

在Mask-RCNN源文件中有setup.py目录下执行：

python setup.py install

6. 下载预训练的coco权重文件

下载预训练权重mask_rcnn_coco.h5链接
在页面上下载 mask_rcnn_coco.h5 ，下载完成以后放在Mask_RCNN目录下即可

7. 为在MS COCO上训练或测试，安装pycocotools库（重要！！！）

如果需要在COCO数据集上训练或测试，需要安装pycocotools(coco数据集的应用API)。
第一步：

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

或者直接下载安装包 百度网盘链接：https://pan.百度.com/s/1OD6J9KZIqDGUUc0TbomNtw
提取码：eb2j

第二步：
到\cocoapi-master\PythonAPI目录下：
Icd coco/PythonAP
执行

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python3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

(我已经安装一遍做个演示！)

第四步： 验证pycocotools是否安装成功
在环境中输入：

ipython
from pycocotools.coco import COCO
from pycocotools import mask
exit()

四、 运行Mask_RCNN案例demo.ipynb

如何在Jupyter Notebook中切换conda虚拟环境:https://blog.csdn.net/Zeek_0114/article/details/105785818

1、安装插件

conda install nb_conda

安装完插件后，如果打开jupyter notebook后，在主页就会出现Conda选项卡，而没按插件之前是没有这个选项卡的。

2.在虚拟环境中安装jupyter

我们安装完nb_conda插件后，打开jupyter在自己的Jupyter笔记中点击“Kernel → Change kernel”应该就可以切换虚拟环境了。

但是肯定有人跟我一样犯了一个致命的错误，我们除了安装插件外，还需要在你所建的每个虚拟环境中安装jupyter notebook。

先进入虚拟环境,在虚拟环境中安装jupyter：

conda install -y jupyter

3.重启jupyter

此时我们已经把该安装的东西都安装好了，退出虚拟环境，我们需要重启一下jupyter。重启后，打开笔记点击Kernel → Change kernel就可以切换虚拟环境了。

4.在jupyter notebook中运行demo.ipynb

在执行下面一步时可能会报错：gpu memery out 所有先清理一些显存垃圾

终于有结果啦：

faster Rcnn与mask Rcnn原理图：

我也是花了三天时间才终于跑出maskRcnn源码，一开始就是头铁坚持用tensorflow2,坚持不换环境，在花了三天时间解决一些小众百度半天怎么也解决不了的Bug后，毅然踏上重新创环境之路，之间参考了各种博客才写了今日之笔记，也怪不容易的，兄弟姐妹们一起加油呀！

感谢这些优质博客参考：

如何在Jupyter Notebook中切换conda虚拟环境

Win10下Mask RCNN环境配置 踩坑说明，成功运行demo.py

这篇好文章是转载于：学新通技术网