几个月前开始突发兴致想要尝试搭一个mask rcnn,奈何能力有限,每次跟着别人教程进行到一半就死掉,简直是屡试屡败,期间也是放弃过很多次,但是最近迫于项目的需要,又重新拾起了这件事,经历了一番疯狂的安装与卸载之后,终于跑通了mast rcnn自带的demo,所以想和碰到相同问题的朋友们分享这段心路历程。第一次写博客,如果有什么不正确的地方,欢迎各位大佬批评指正。
文章目录
前言
Matterport的Mask R-CNN是一种出色的实例分割工具。它可以在Windows上运行,但是截至2020年6月,尚未对其进行更新以与Tensorflow 2一起使用。因此,安装并使其正常工作可能是一个挑战。大佬Adam Kelly对其进行了更新,使其能够兼容tensorflow2。
项目下载地址。
本文配置:tensorflow-gpu2.0.0+cuda10.0+cudnn7.5.0
下面开始进入正题,和大家分享一下自己配置过程。
一、安装anaconda
1.下载安装
这个比较简单,且没什么特别的问题,有很多公众号上都是有安装教程的(白嫖党都懂,不过咱们还是要提倡正版)
2.创建虚拟环境
在命令行输入
conda create -n tensorflow2.0 python=3.7
创建名为tensorflow2.0(自定义)的虚拟环境,指定Python版本为3.7
3.激活虚拟环境
在命令行输入以下代码,进入虚拟环境:
conda activate tensorflow2.0
二、安装tensorflow-gpu
这一步非常非常非常重要!之前很多次失败都和tensorflow-gpu安装失败有关,第一次尝试的时候显示安装成功,但是却不可用,可能是有的包安装不全,再加上镜像源的问题,经常会报错(无法下载),大家可以试着切换一下镜像源。
下面是几个常用的国内的开源镜像源:
所属单位 | 网址 |
---|---|
豆瓣 | http://pypi.douban.com/simple/ |
阿里云 | http://mirrors.aliyun.com/pypi/simple/ |
清华大学 | https://pypi.tuna.tsinghua.edu.cn/simple/ |
中国科学技术大学 | http://pypi.mirrors.ustc.edu.cn/simple/ |
使用方法(亲测可用):pip install tensorflow-gpu==2.0.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com | |
(我们的tensorflow也是在前面创建的虚拟环境中安装的) |
三、安装cuda和cudnn
1.tensorflow各个版本需要的CUDA版本以及Cudnn的对应关系
2.下载cuda和相应的cudnn
CUDA已发布版本:https://developer.nvidia.com/cuda-toolkit-archive
cuDNN历史版本:https://developer.nvidia.com/rdp/cudnn-archive
网上有很多安装教程,这里也不再赘述。
下载mask rcnn项目库
1.克隆更新的MASK_RCNN存储库
在命令行输入以下命令将创建一个名为“ aktwelve_mask_rcnn”的新文件夹,如果您已经克隆了该文件夹,将它与原始Matterport版本区分开。(也可以手动下载)
git clone https://github.com/akTwelve/Mask_RCNN.git aktwelve_mask_rcnn
2.安装依赖项
在Anaconda中,确保您处于所创建的虚拟环境中,然后将目录更改为aktwelve_mask_rcnn。
运行以下命令:
pip install -r requirements.txt -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
(可能会有个别库安装不成功,可以单独安装,和上面安装tensorflow一样)
3.从存储库根目录运行安装程序
运行以下命令以将Mask R-CNN安装到您的Anaconda Python环境中:
python setup.py clean --all install
(如果你之前的Mask R-CNN代码被修改了,这里会帮你清理所有以前的安装。)
总结
到这里tensorflow-gpu2.0版的mask rcnn就配置结束了,如果老版本配置失败的朋友也可以尝试这样的方式,看看是否可行,关键还是tensorflow-gpu的安装,以及和cuda的匹配问题。欢迎走过路过的批评指正,祝大家科研顺利!
参考: