matterport Mask_RCNN配置

轉載自：http://blog.csdn.net/wei_guo_xd/article/details/78579534

環境：Ubuntu16.04+cuda8.0+cudnn6.0+Anaconda3.4.1.1+tensorflow1.4.1+keras2.1.3
**注意**：
（1）Mask Rcnn要求tensorflow1.3+，而如果需要使用cuDNN的話，tensorflow1.3需要cuDNN6.0版本纔可以。所以如果以前使用的是cuDNN5.0的話就需要升級，過程和安裝cuDNN差不多：
首先去官網 https://developer.nvidia.com/rdp/cudnn-download 下載cuDNN，需要註冊一個賬號才能下載。下載版本號如下圖：

下載cuDNN6.0之後進行解壓：

sudo tar -zxvf ./cudnn-8.0-linux-x64-v6.0.tgz 

進入cuDNN6.0解壓之後的include目錄，在命令行進行如下操作：

cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include  #複製頭文件

再將進入lib64目錄下的動態文件進行復制和鏈接：

cd ..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/    #複製動態鏈接庫
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6    #刪除原有動態文件
sudo ln -s libcudnn.so.6.1.1 libcudnn.so.6  #生成軟銜接
sudo ln -s libcudnn.so.6 libcudnn.so  #生成軟銜接

若原來因爲其他框架如caffe安裝了cudnn5.1，那麼爲了不影響caffe使用，可以參考這篇文章：http://blog.csdn.net/fly2leo/article/details/78500051。但我因爲是直接重新編譯了caffe，而且爲了不必要的麻煩將caffe的Makefile.config中use_cudnn=1註釋掉，即不是用cudnn。

（2）Anaconda選擇Anaconda3.4.1.1纔是對應的Python3.5，更新版本可能就是Python3.6，3.6版本tensorflow不支持。

正式開始配置Mask RCNN：

1.安裝anaconda(Python 3.4+)

注意：以下在Anaconda環境下安裝命令不要使用sudo，否則會使用系統自帶的python2.7環境而不是Anaconda中的python3.5

2.安裝tensorflow 1.3+

安裝tensorflow：

對於CPU版本：pip install tensorflow

對於GPU版本：pip install tensorflow-gpu

升級tensorflow到最新版1.4.0：pip install –upgrade tensorflow-gpu  

3.安裝keras（2.08+）

pip install keras

4.安裝scikit-image

pip install scikit-image

5.下載預訓練的coco權重文件mask_rcnn_coco.h5，這個文件下載有點慢。下載結束後，將mask_rcnn_coco.h5文件拷貝到Mask RCNN主目錄下：

https://github.com/matterport/Mask_RCNN/releases

6.爲了在MS COCO上訓練或者測試，需要安裝pycocotools.

https://github.com/waleedka/coco

MS COCO是一個大型圖像數據集用於目標檢測，分割以及圖像字幕產生。pycocotools提供了matlab，Python，以及lua APIs用於加載、可視化COCO的標註。

python接口安裝方法： 打開coco/PythonAPI，運行make。

具體可參考：http://blog.csdn.net/u011961856/article/details/77676461，安裝成功後將coco/PythonAPI/中的pycocotools文件夾拷入Mask_rcnn主目錄下

至此，安裝工作結束！

一：開始演示官方給的例程。

演示demo.ipynb

可能會報錯1：Intel MKL FATAL ERROR: Cannot load libmkl_avx2.so or libmkl_def.so.

解決辦法：移除mkl，命令：

conda install nomkl numpy scipy scikit-learn numexpr

conda remove mkl mkl-service

可能會報錯2：無法調用pycocotools

解決辦法：一般是忘記把pycocotools拷貝到Mask RCNN主目錄了

可能會報錯3：無法調用keras

解決辦法：pip install keras

若所有問題都解決了，demo的運行結果如下：

二：演示train_shapes.ipynb、inspect_data.ipynb, inspect_model.ipynb, inspect_weights.ipynb：

要下載COCO數據集，具體如下：

MS COCO Dataset。2014的訓練集數據

COCO子數據集，5K的minival和35K的validation-minus-minival。（這兩個數據集下載比較慢，可到百度上搜索下載）

參見文章：http://blog.csdn.net/zpp13hao1/article/details/78664994

若出錯；ImportError: No module named ‘cv2，則可以： pip3 install opencv-python