硬件平台:RTX2080super 和 GTX1660Ti
系统:Ubuntu18.04和Ubuntu16.04
Mask-Rcnn代码地址:https://github.com/matterport/Mask_RCNN
环境安装:
驱动安装:
显卡驱动直接通过 系统设置 -> 软件和更新 -> 附加驱动 直接在这里面安装。我2080驱动选择的是nvidia-435 1660选择的是nvidia-418。
如果没有找到显卡驱动就需要添加ppa源,然后才可以安装驱动。
sudo add-apt-repository ppa:user/ppa-name
CUDA和Cudnn安装:
下载cuda10.0:https://developer.nvidia.com/cuda-toolkit-archive
下载cudnn 7.5.6(需要注册会员):https://developer.nvidia.com/rdp/cudnn-archive
CUDA安装:
下载好CUDA之后直接按照官方教程安装就可以.
sudo sh cuda_10.0.130_410.48_linux.run
将cuda10.0添加到环境中:
sudo gedit ~/.bashrc
然后将下面的复制到文本的最后面
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export PATH=$PATH:/usr/local/cuda-10.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0
然后保存,生效
source ~/.bashrc
Cudnn安装:
将安装包解压之后就会解压出cuda这个文件夹。
cp cudnn-10.0-linux-x64-v7.6.5.32.solitairetheme8 cudnn-10.0-linux-x64-v7.6.5.32.tgz
tar -xvf cudnn-10.0-linux-x64-v7.6.5.32.tgz
然后运行下面代码。
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
代码运行环境:
#如果你没有使用anaconda请省略下面这两句。
conda create -n mask-rcnn python=3.6
conda activate mask-rcnn
# tensorflow使用1.14.0版本(推荐将pip源改为国内的阿里或者清华源,这样下载速度快一些)
pip install tensorflow-gpu==1.14.0
pip install keras==2.2.5
#后面还有很多安装包
pip install Cython
pip install jupyter or conda install jupyter # 如果使用anaconda
pip install scipy
pip install matplotlib
pip install opencv-python
pip install scikit-image
#基本上就需要这些包了,如果缺少什么包就直接用 pip install 缺少包
编译coco:
git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
cd $COCOAPI/PythonAPI
make install
(or)
python setup.py install --user
以上环境已经安装好了,就可以跑mask-rcnn的demo了。
当你运行demo最后一步的时候出现cudnn的错误,只需要把下面的复制到demo里面,就可以重新运行了。
#增加下面声明是为了解决报cudnn错误的问题
import tensorflow as tf
import keras
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
keras.backend.tensorflow_backend.set_session(tf.Session(config=config))