matterport Mask_RCNN配置

转载自：http://blog.csdn.net/wei_guo_xd/article/details/78579534

环境：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的话，tensorflow1.3需要cuDNN6.0版本才可以。所以如果以前使用的是cuDNN5.0的话就需要升级，过程和安装cuDNN差不多：
首先去官网 https://developer.nvidia.com/rdp/cudnn-download 下载cuDNN，需要注册一个账号才能下载。下载版本号如下图：

下载cuDNN6.0之后进行解压：

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

进入cuDNN6.0解压之后的include目录，在命令行进行如下操作：

cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include  #复制头文件

再将进入lib64目录下的动态文件进行复制和链接：

cd ..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.6    #删除原有动态文件
sudo ln -s libcudnn.so.6.1.1 libcudnn.so.6  #生成软衔接
sudo ln -s libcudnn.so.6 libcudnn.so  #生成软衔接

若原来因为其他框架如caffe安装了cudnn5.1，那么为了不影响caffe使用，可以参考这篇文章：http://blog.csdn.net/fly2leo/article/details/78500051。但我因为是直接重新编译了caffe，而且为了不必要的麻烦将caffe的Makefile.config中use_cudnn=1注释掉，即不是用cudnn。

（2）Anaconda选择Anaconda3.4.1.1才是对应的Python3.5，更新版本可能就是Python3.6，3.6版本tensorflow不支持。

正式开始配置Mask RCNN：

1.安装anaconda(Python 3.4+)

注意：以下在Anaconda环境下安装命令不要使用sudo，否则会使用系统自带的python2.7环境而不是Anaconda中的python3.5

2.安装tensorflow 1.3+

安装tensorflow：

对于CPU版本：pip install tensorflow

对于GPU版本：pip install tensorflow-gpu

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

3.安装keras（2.08+）

pip install keras

4.安装scikit-image

pip install scikit-image

5.下载预训练的coco权重文件mask_rcnn_coco.h5，这个文件下载有点慢。下载结束后，将mask_rcnn_coco.h5文件拷贝到Mask RCNN主目录下：

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

6.为了在MS COCO上训练或者测试，需要安装pycocotools.

https://github.com/waleedka/coco

MS COCO是一个大型图像数据集用于目标检测，分割以及图像字幕产生。pycocotools提供了matlab，Python，以及lua APIs用于加载、可视化COCO的标注。

python接口安装方法： 打开coco/PythonAPI，运行make。

具体可参考：http://blog.csdn.net/u011961856/article/details/77676461，安装成功后将coco/PythonAPI/中的pycocotools文件夹拷入Mask_rcnn主目录下

至此，安装工作结束！

一：开始演示官方给的例程。

演示demo.ipynb

可能会报错1：Intel MKL FATAL ERROR: Cannot load libmkl_avx2.so or libmkl_def.so.

解决办法：移除mkl，命令：

conda install nomkl numpy scipy scikit-learn numexpr

conda remove mkl mkl-service

可能会报错2：无法调用pycocotools

解决办法：一般是忘记把pycocotools拷贝到Mask RCNN主目录了

可能会报错3：无法调用keras

解决办法：pip install keras

若所有问题都解决了，demo的运行结果如下：

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

要下载COCO数据集，具体如下：

MS COCO Dataset。2014的训练集数据

COCO子数据集，5K的minival和35K的validation-minus-minival。（这两个数据集下载比较慢，可到百度上搜索下载）

参见文章：http://blog.csdn.net/zpp13hao1/article/details/78664994

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