ubuntu 18.04下搭建FCN Demo测试环境(Tensorflow)

    这几天一直在倒腾FCN Demo的测试环境，现记录一下，以防自己忘记，也希望我的搭建经历能够帮助到其他童鞋。

1、首先我使用的Tensorflow框架，使用的是国外一个大神在GitHub上上传的一个Demo，GitHub地址是：FCN.tensorflow。

2、在下载到Demo后（自己根据GitHub说明，下载了测试数据），我直接将Demo放在Windows下的TensorFlow环境测试，但是测试不通过，会出现“ValueError: Cannot feed value of shape (0,) for Tensor 'input_image:0', which has shape '(?, 200, 200, 3)' ”报错，我猜测是Windows下的路径出现了问题，暂时还没有解决这个问题。由于时间赶就没有继续查找这个问题。

ps：当整个工程在Ubuntu下能跑通的话，直接将其整个工程拷贝至Windows7环境是能运行起来的。

3、为了防止出现其他奇怪的问题，因此我选择使用Ubuntu环境来测试Demo。在这里我使用的是虚拟机(公司电脑没有显卡，就不用双系统了)。

4、在ubuntu 18.04下搭建Tensorflow环境：

      需要说明的是，搭建虚拟机的时候内存建议大于12G，硬盘大于60G，有两次就是虚拟机内存和硬盘空间不足导致Demo训练的时候挂掉了。

      根据官方文档Installing TensorFlow on Ubuntu，在Ubuntu下安装Tensorflow有多种个方式，分别是：Use pip in a virtual environment (recommended)、Use pip in your system environment、Configure a Docker container、Use pip in Anaconda、Install TensorFlow from source。在这里我选择官方推荐的方式Use pip in a virtual environment。在这里我搭建Python3的环境，Python2.7环境只是命令的不同，步骤并无不同。

     A、确认ubuntu下Python和pip3的版本：
           $ python3 -V
           $ pip3 -V
           如果提示pip3没有安装，则需要安装,并更新至最新版(官方文档注明，pip最低版本为8.1，否则可能会出错)。
           $ sudo apt-get update   
           $ sudo apt-get install python3-pip 
           $ pip3 install --upgrade pip  # upgrade pip

     B、创建并激活Virtualenv虚拟环境
           $ sudo apt-get install python3-pip python3-dev python-virtualenv   #install these packages
           $ mkdir ~/tensorflow
           $ cd ~/tensorflow
           $ virtualenv --system-site-packages -p python3 venv3
           $ source ~/tensorflow/venv3/bin/activate      # bash, sh, ksh, or zsh
           (venv3) $ pip3 install --upgrade pip  # Within the active virtual environment, upgrade pip

     C、在虚拟环境中安装TensorFlow并测试安装是否成功
           (venv3) $ pip3 install tensorflow   # install tensorflow
           (venv3) $ python -c "import tensorflow as tf; print(tf.__version__)"   # test 
            此命令会直接安装最新版本的tensorflow，如果需要安装制定版本的，则需要指定版本号如“pip3 install tensorflow==1.7”

     D、卸载TensorFlow
           如果需要卸载tensorflow，则直接反激活并删除文件夹即可
           (venv3) $ deactivate  # stop the virtualenv
           (venv3) $ rm -r ~/tensorflow/venv

5、Tensorflow环境搭建完成以后还需要安装一些依赖库：

           (venv3) $ pip3 install matplotlib
           (venv3) $ pip3 install mkl
           (venv3) $ pip3 install numpy
           (venv3) $ pip3 install pillow
           (venv3) $ pip3 install scipy

6、测试FCN Demo

           将下载的FCN工程存放至用户目录，在用户目录下新建两个文件夹：Model_zoo/和Data_zoo/MIT_SceneParsing/（FCN.py文件中19&21行代码指定），将imagenet-vgg-verydeep-19.mat文件放置在Model_zoo/下，ADEChallengeData2016.zip压缩包解压在Data_zoo/MIT_SceneParsing/。数据配置完成。直接在在激活的TensorFlow环境下运行FCN.py即可开始训练了。

           (venv3) $ python FCN.py

           注：创建文件夹并将数据放置在文件夹下需要在Ubuntu下操作，若在Windows环境下创建文件夹并移动解压数据会出现ValueError: Cannot feed value of shape (0,) for Tensor 'input_image:0', which has shape '(?, 200, 200, 3)'报错。

在这里贴一张正机器在训练的图片

        本文内容只是关于如何搭建测试FCN Demo，对于代码本身的讲解和FCN网络的理解可以参考链接4和5

最后我把整个Demo工程和源数据下载打包上传到百度云，有需要的童鞋可以直接下载

链接：https://pan.baidu.com/s/1uJFWwEydA_ilgT9INMHnXg 密码：zjq7

参考链接：

1、shekkizh/FCN.tensorflow

2、开源|如何利用Tensorflow实现语义分割全卷积网络（附源码）

3、Tensoflow学习记录13--用深度学习来做图像分割Fully Convolutional Networks for Semantic Segmentation (FCNs)

4、FCN.tensorflow（1）：FCN.py

5、Fully Convolutional Networks for Semantic Segmentation

6、windows7 + python3.6 + TensorFlow实现FCN

7、在 Ubuntu 上安装 TensorFlow（官方指导文档）