win10系统anaconda搭建tensorflow环境运行Mask_RCNN以及ubuntu中conda配置

0、相关说明及anaconda下载安装
0.1：

anaconda版本3-4.3.0
0.2：

遇到的问题：

PermissionError: [Errno 13] Permission denied: 'C:\\ProgramData\\Anaconda3\\                            

tensorflow安装时显示：多个安装失败

0.3：

anaconda下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
0.4：效果截图
1、win10获取管理员权限：
将用户的账户类型设置为管理员：打开控制面板-用户账号-更改账户类型-选择管理员
进入anaconda的安装文件夹：C:\ProgramData\Anaconda3，右键点击授予访问权限。然后打开Anaconda Prompt即可。
或者直接cmd切换到anaconda的安装路径：C:\ProgramData\Anaconda3
不这样操作会产生错误：PermissionError: [Errno 13] Permission denied: 'C:\\ProgramData\\Anaconda3\\
2、
查看conda包信息
conda list
查看conda版本
conda -V
查看源：
conda config --show-sources
3、为了防止Anaconda Navigator第一次无法打开，先设置国内的清华大学镜像
由于国内访问国外网站速度相当慢，很有可能安装一些库安装不成功，因此需要置国内镜像源地址
增加清华大学镜像源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
删除默认镜像源：
conda config --remove channels defaults
查看配置信息：
conda config --show
验证源：
conda search tensorflow
4、
安装tensorflow
安装的anaconda版本为：4.3.8  Anaconda3-4.3.0-Windows-x86_64
在anaconda Navigator 中，搜索安装tensorflow，tensorflow版本为 1.12.0
不到一分钟安装完成。
5、
下面测试tensorflow环境
(C:\ProgramData\Anaconda3) C:\Users\Figo>python.exe
Python 3.6.0 |Anaconda custom (64-bit)| (default, Dec 23 2016, 11:57:41) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> hello = tf.constant('Hello,Tensorflow!')
>>> sess = tf.Session()
2018-12-01 16:35:46.385921: W c:\l\tensorflow_1501918863922\work\tensorflow-1.2.1\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE instructions, but these are available on your machine and could speed up CPU computations.
2018-12-01 16:35:46.392792: W c:\l\tensorflow_1501918863922\work\tensorflow-1.2.1\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE2 instructions, but these are available on your machine and could speed up CPU computations.
2018-12-01 16:35:46.397187: W c:\l\tensorflow_1501918863922\work\tensorflow-1.2.1\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE3 instructions, but these are available on your machine and could speed up CPU computations.
2018-12-01 16:35:46.401043: W c:\l\tensorflow_1501918863922\work\tensorflow-1.2.1\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
2018-12-01 16:35:46.406450: W c:\l\tensorflow_1501918863922\work\tensorflow-1.2.1\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
2018-12-01 16:35:46.410500: W c:\l\tensorflow_1501918863922\work\tensorflow-1.2.1\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
2018-12-01 16:35:46.414409: W c:\l\tensorflow_1501918863922\work\tensorflow-1.2.1\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
2018-12-01 16:35:46.420305: W c:\l\tensorflow_1501918863922\work\tensorflow-1.2.1\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.
>>> sess.run(hello)
b'Hello,Tensorflow!'

至此 环境搭建完成

6、
清华镜像装tensorflow（win10的权限真的太磨人了）
pip install tensorflow==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装指定版本的TensorFlow
首先在Anaconda的库中查找所有的相关的repository
anaconda search -t conda tensorflow
根据自己的环境选择安装对应的版本，查看repository中的信息，anaconda会返回供安装的版本号以及安装方法
anaconda show anaconda/tensorflow
根据返回的内容进行安装
conda install --channel https://conda.anaconda.org/anaconda tensorflow=1.6.0

7、
后面为了运行代码，还是出现了一些问题，现在想着应该是一些版本适配问题。
7.1
使用代理装新版的anaconda然后装自己想装的库后，开始运行代码
7.2
首先需要根据教程安装pycocotools
Windows:?https://github.com/philferriere/cocoapi. You must have the Visual C++ 2015 build tools on your path (see the repo for additional details)
将运行成功之后的 cocoapi-master\PythonAPI\build\lib.win-amd64-3.6 目录下的 pycocotools 文件夹 copy到项目的 Mask_RCNN-master\samples\coco 中
7.3
然后再
pip3 install -r requirements.txt
7.4
接着
python3 setup.py install
7.5
然后把训练好的mask_rcnn_coco.h5放在项目最外层文件夹中（项目根目录）
7.6
接着再jupyter运行Mask_RCNN-master\samples\demo.ipynb报错
AttributeError: module 'h5py' has no attribute '_hl'
7.7
尝试降低h5py版本
pip install h5py==2.7.0
7.8
最后点击jupyter中的 Cell--Run Cells 大功告成，祭奠我逝去的三个日出
Processing 1 images
image                    shape: (626, 640, 3)         min:    0.00000  max:  255.00000  uint8
molded_images            shape: (1, 1024, 1024, 3)    min: -123.70000  max:  151.10000  float64
image_metas              shape: (1, 93)               min:    0.00000  max: 1024.00000  float64
anchors                  shape: (1, 261888, 4)        min:   -0.35390  max:    1.29134  float32
下面是一张公交车的数据集

 

win踩坑指南

mask_Rcnn遇到的坑：
1、需要安装Visual C++ 2015 build tools
2、需要安装pycocotools
3、需要用keras < 2.15 ，个人用的keras=2.1.2
4、安装imgaug出现Shapely失败
下载对应的shapely：https://www.lfd.uci.edu/~gohlke/pythonlibs/
pip install E:\Shapely-1.6.4.post1-cp27-cp27m-win_amd64.whl
5、jupyter无法选择conda环境
安装nb_conda

 

8、
ubuntu遇到的最大的问题是：在加载预训练权重出错，还以为是h5py库的原因，搞了好久，原来是权重文件的问题，删除了重新cope了一份轻松解决。
OSError: Unable to open file (truncated file: eof = 655360, sblock->base_addr = 0, stored_eof = 257557808)

ububtu下conda环境的管理：
查看conda版本：
conda --v
查看conda环境：
conda info -e
指定环境名查看conda的package列表：
conda list -n envname
创建环境：
conda create --name envname python=3.6
激活环境：
source activate envname
退出激活环境：
source deactivate
复制一个环境：
conda create -n envname2 --clone envname1
移除一个环境：
conda remove --name envname1 --all
指定环境安装package：
conda install -n envname1 numpy=1.0.0
指定环境删除package：
conda remove -n envname1 numpy=1.0.0

以上，被anaconda（win+ubuntu）折磨了72+小时，72小时内安装卸载超过30次，踩过的坑贡献给无私的互联网参考。
windows10家庭版，亲测有效。
参考文献：
http://www.cnblogs.com/xiaojianliu/p/9490661.html

http://blog.51cto.com/m51cto/2161697?source=dra
等

原创内容，版权所有