windows10系统下搭配完深度学习tensorflow以后，构建训练mask R-CNN环境所遇到的问题

最新推荐文章于 2024-01-04 15:06:40 发布
最新推荐文章于 2024-01-04 15:06:40 发布
阅读量413 收藏
点赞数
分类专栏： deepinglearning 文章标签： 深度学习
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/Alex_Yichao/article/details/106360054
版权

为了训练mask R-CNN这个网络，我决定用我的1660super显卡玩一玩，但是又不想装双系统，所以只能尝试在windows10下搭配环境了。

前面两篇文章已经把重要的讲了，tensorflow-gpu和keras-gpu也都完美了，本来打算今天run mask R-CNN的，结果发现代码里还用到了scikit-image、imgaug这两个库，然后我就用pip install装，也挺顺利的，毕竟我用了阿里云的源。

但是装好以后，测试时cmd中输入import imgaug和import skimage时候都报错了。。。
如下图所示：
在这里插入图片描述

也就是ImportError: No module named ‘numpy.testing.nosetester’ 这个错误。。。
然后我百度了一下，有的人说numpy版本太低了，有的人说shapely、numpy等版本不匹配，然后我都试过了，发现不行啊。

最后，我在cmd里面输入pip list命令，看了一下各个模块的版本号，我发现了错误
就是scipy版本太低了，无法与numpy1.18.4匹配，然后我把scipy删了，重新安装了1.1.0版本的，结果就好了。
如图所示
在这里插入图片描述
再提一次，我觉得阿里云的源实在是太给力了，快的要死。。。

Fanacio
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
window10 部署深度学习的常见问题
爱学习的小博客
02-24 187
点击高级系统设置 点击环境变量，找到path点击编辑，点击新建，把bin文件路径添加进去即可。
MASK rcnn训练注意事项 (windows10)
appleaoliao的博客
12-05 334
1. 安装anaconda 4.2.0 2. 在anaconda环境下安装tensorflow CPU或者GPU版本均可。 tensorflow版本>=1.3.0 keras 版本>=2.0.8 3. 按照https://github.com/matterport/Mask_RCNN上面Installation 流程安装。     报错： ImportError: cann...
windows+TensorFlow+mask R-CNN
03-08
在windows平台搭建基于TensorFlow的图像分割环境，mask R-CNN。国内网上试错无数。血泪搭建总结。
WIN10下卷积神经网络 Faster-RCNN + ZF模型 准备、训练过程记录 (GPU+CPU)
qq_38781549的博客
04-22 446
一、本文所用到的资料如下 1、VS2013（避免出错先安装vs2013再装MATLAB） MATLAB 2018b CUDA 7.5 labelimg Faster-RCNN源码下载地址：https://github.com/ShaoqingRen/faster_rcnn labelimg： 编译得到的external文件： 2、先安装vs2013，再安装matlab，否则会出现matlab找不到...
ModuleNotFoundError: No module named ‘numpy.testing.decorators‘
AI研习星球
01-04 530
新版本已经去掉了这个方法。
基于 TensorFlow 开源的 object_detection 来训练自定义的 Mask R-CNN 模型.zip
03-28
在本文中，我们将深入探讨如何使用 TensorFlow 的开源项目 `object_detection` 来训练自定义的 Mask R-CNN 模型。Mask R-CNN 是一种强大的深度学习模型，它在对象检测的基础上增加了像素级别的分割功能，使得我们...
Mask R-CNN源码(TensorFlow版本)
01-30
Mask R-CNN 是一个深度学习模型，用于实例分割和目标检测任务。这个模型在2017年由 Matterport 公司的何凯明等人提出，是 Faster R-CNN 的升级版，增加了对每个目标像素级别的分类（即掩模预测）。在 TensorFlow ...
基于Mask R-CNN，实现显微矿物图像的检测与分割，使用tensorflow+keras实现.zip
最新发布
03-30
在本项目中，我们关注的是使用深度学习框架TensorFlow结合Keras实现的“基于Mask R-CNN的显微矿物图像检测与分割”。Mask R-CNN是一种先进的计算机视觉模型，特别适用于对象检测和像素级别的分割任务，如在显微矿物...
tensorflow-使用tensorflow实现的Mask-RCNN算法.zip
03-02
**Mask R-CNN**是一种深度学习框架，用于解决图像识别中的实例分割问题。该算法是在 Faster R-CNN（快速区域卷积神经网络）基础上发展起来的，由Kaiming He, Georgia Gkioxari, Piotr Dollar, 和 Ross Girshick在...
报错：ModuleNotFoundError: No module named ‘numpy.testing.decorators‘
weixin_44405413的博客
04-13 304
pip list 中能够查到已经装好的seaborn包，但在jupyter notebook 导入时报错，在pycharm中导入时不标红，但是运行时报错。麻烦大神不要告知降低numpy版本，尝试了下处于报错状态无法安装。当前numpy版本1.24.2。
运行python报错ImportError: Unable to import required dependencies: numpy
FFXN的博客
04-19 1万+
ImportError: Unable to import required dependencies: numpy Error loading preloads: Could not find renderer ModuleNotFoundError: No module named 'numpy.testing.decorators' ImportError: cannot import name '_set_madvise_hugepage'
win10下搭建Mask Rcnn环境详细教程并运行第一个demo程序（包含Anaconda+Tensorflow-gpu+Cuda+cuDnn安装过程及各种坑）
GuoFei_1314的博客
05-02 1万+
win10下搭建Mask Rcnn环境详细教程并运行第一个demo程序（包含Anaconda+Tensorflow-gpu+Cuda+cuDnn安装过程及各种坑）前言第一步：查看显卡计算能力和各版本匹配第二步：安装Anaconda第三步：安装TensorFlow-GPU第四步：安装CUDA + cuDNN第五步：测试第六步：基于mask rcnn的其他需要安装部分第七步：mask rcnn实现你...
Pycharm专业版远程调试服务器代码
liqiang12689的博客
05-11 450
  请查看自己pycharm是否为专业版，社区版不知此当前功能！ 一、准备工作   建立本地项目，我们可以看到，pycharm是调用了本地的python执行了本地的main.py文件，然后输出了Hello World! 二、设置Deployment   如图，Tools->Deployment->Configuration   左上角的“+”，新建一个SFTP，并按照要求填写并点击左上角对勾即可（点击左上角对勾把这个Deployment设为本项目的默认Deployment：   点击如
Ubuntu 18.04 系统安装及其优化与深度学习环境配置
ZJWSATM的博客
06-04 925
Ubuntu 18.04 系统安装及其优化与深度学习环境配置写作背景Ubuntu 18.04 安装Ubuntu 18.04 优化设置 root 用户密码更新软件安装 Gdebi安装Chrome浏览器安装 apt-fast新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPan...
深度学习模型训练注意事项
qq_42219077的博客
03-07 2139
1.收敛速度慢 解决： 设置合理的初始化权重w和偏置b 模型训练本质上就是调整w和b的过程，好的开始是成功的一半。（为什么不0初始化？哪三种常用的初始化方法？https://blog.csdn.net/weixin_43167121/article/details/88176101） 优化学习率 学习率太小，会增加迭代次数，加大训练时间。但学习率太大，容易越过局部最优点，降低准确率。 所以应当一...
mask-rcnn win10测试形状分割样例；win10配置cocoapi pycocotools
qq_35608277的博客
04-08 2302
代码及readme文档： https://github.com/matterport/Mask_RCNN 因为数据集20G，还没下，就先跟着train_shapes试了试最简单的样例，形状分割。 coco数据集下载链接 各个链接的意思看链接里面的描述基本上就够了。不过还在罗嗦一句，第一组是train数据，第二组是val验证数据集，第三组是test验证数据集。数据包括了物体检测和keyp...
Pycharm出现“ModuleNotFoundError:No module named "numpy"”问题解决
热门推荐
骑猪喝咖啡
05-12 8万+
在安装了基本python环境后，将下列网址复制-右键-另存为。保存到python安装目录，如：“C:\Users\Administrator\AppData\Local\Programs\Python\Python36-32”https://bootstrap.pypa.io/get-pip.py然后双击执行本地的get-pip.py文件（或者打开cmd，执行python get-pip.py）....
deepin15.5搭建tensorflow深度学习环境
风筝的专栏
05-15 3428
deepin15.5搭建深度学习环境,CUDA8.0 安装NVIDIA驱动 安装CUDA 安装深度学习加速器 cudnn 安装Tensorflow-gpu版 参考 deepin15.5搭建深度学习环境,CUDA8.0 不需要Ubuntu那么折腾的方法，所有的都是一键安装，不需要下载安装包,用Ubuntu方案折腾好久没成功 安装NVIDIA驱动 在深度商店直接...
matlab mask r-cnn的实现
07-19
### 回答1： Matlab Mask R-CNN是一种基于深度学习的目标检测和图像分割算法，通过使用卷积神经网络（CNN）和全连接层，能够同时实现目标检测和分割任务。 Matlab Mask R-CNN的实现主要包含以下几个步骤： 1. 数据准备：首先，需要收集和准备训练数据集，包括带有标注的图像和其对应的目标区域以及分割掩码。可以使用现有的数据集，如COCO数据集，或者自己收集并标注数据。 2. 网络构建：使用Matlab的深度学习工具箱，创建一个Mask R-CNN模型。模型包含主干网络，如ResNet或VGG网络，以及子网络，如区域提议网络（RPN），分类网络和分割网络。 3. 训练网络：使用准备好的数据集对网络进行训练。在训练过程中，通过最小化损失函数来优化网络参数，使其能够准确地检测和分割目标区域。 4. 目标检测：在训练完成后，使用训练好的模型对新的图像进行目标检测。首先，使用RPN生成一系列候选框，然后利用分类网络对每个候选框进行分类。最后，使用分割网络生成每个目标的分割掩码。 5. 后处理：对于检测到的目标，可以进行后处理来提高检测结果的准确性。例如，可以使用非极大值抑制来去除重叠的候选框，或者使用形态学操作对分割掩码进行优化。 通过以上步骤，就可以实现Matlab Mask R-CNN算法。该算法在目标检测和图像分割任务上取得了很好的效果，可以应用于许多计算机视觉领域，如自动驾驶、物体识别和医学图像处理等。 ### 回答2： MATLAB中的Mask R-CNN是一种在图像中进行目标检测和实例分割的深度学习模型。它是从Faster R-CNN模型演变而来，通过添加一个额外的分支，在原有的边界框回归和类别分类的基础上，引入了一个全卷积网络来生成每个目标的二进制分割掩码。以下是Mask R-CNN在MATLAB中的实现。 首先，需要在MATLAB的深度学习工具箱中加载预训练的Mask R-CNN网络模型。可以使用`pretrainedMaskRCNN`函数加载COCO数据集上预训练的模型。然后，使用`detect`函数进行图像的目标检测和实例分割。该函数会返回检测到的目标边界框、类别标签和分割掩码。 ```matlab net = pretrainedMaskRCNN('resnet101'); img = imread('image.jpg'); [bboxes, labels, scores, masks] = detect(net, img); ``` 上述代码中，`bboxes`是检测到的边界框的坐标，`labels`是对应的类别标签，`scores`是检测得分，`masks`是目标的分割掩码。 接下来，可以使用`insertObjectMask`函数将检测到的分割掩码叠加到原始图像上，以可视化目标的分割结果。 ```matlab outputImg = insertObjectMask(img, masks); imshow(outputImg); ``` 以上是MATLAB中使用预训练Mask R-CNN模型进行目标检测和实例分割的简单实现。但值得注意的是，为了获得更好的性能和准确度，可能需要对模型进行微调或训练自定义的Mask R-CNN模型来适应特定的应用场景。 ### 回答3： MATLAB Mask R-CNN 是一个基于深度学习的目标检测和分割算法，其中 R-CNN 是一种区域卷积神经网络（Region-based Convolutional Neural Network）模型，用于定位和识别图像中的物体。Mask R-CNN 在 R-CNN 的基础上进一步加入了实例分割（Instance Segmentation）的功能，可以生成物体的精确分割掩码（Mask）。 在 MATLAB 中实现 Mask R-CNN，首先需要加载深度学习框架，如 TensorFlow 或者 PyTorch，并导入预训练的 Mask R-CNN 模型。然后，可以使用 MATLAB 提供的图像处理和计算机视觉工具箱来预处理图像数据，并使用加载的模型对图像进行目标检测和分割。 具体的实现步骤如下： 1. 加载深度学习框架：通过使用 MATLAB 的深度学习工具箱的功能，可以加载 TensorFlow 或者 PyTorch 框架，并导入相应的库和模型。 2. 导入预训练模型：使用函数 `importONNXNetwork` 或者 `importKerasNetwork`，将预训练的 Mask R-CNN 模型导入到 MATLAB 中。 3. 数据预处理：使用 MATLAB 提供的图像处理工具函数，如 `imresize`、`imadjust` 或者 `imread`，对输入图像进行预处理和归一化操作。 4. 目标检测：使用导入的 Mask R-CNN 模型对预处理后的图像进行目标检测，通过调用 `detect` 函数，可以获取到图像中检测到的物体的位置、类别和置信度。 5. 实例分割：根据目标检测结果中的物体位置，在原始图像上生成物体的精确分割掩码。通过调用 `detect` 函数的 `'ROI'` 参数，可以获取目标的感兴趣区域（Region of Interest）。 6. 结果展示：使用 `insertShape` 或者 `insertObjectAnnotation` 函数，在图像上绘制边界框、标签和分割掩码，以可视化检测和分割结果。 需要注意的是，对于较大的图像数据集，Mask R-CNN 的计算复杂度较高，可能会需要较长的训练和推理时间。另外，在实现过程中，还需注意处理可能出现的内存限制和硬件要求，以保证程序的运行效率和稳定性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值