python问题总结解决方法

问题1：

AtrributeError:module keras.engine.topology’ has no attribute load_weights_from_hdf5_group_by_name

出现这个错误的原因是：keras的版本不对。当我们在配置mask-rcnn的时候，根目录下的requirements.txt里面要求的python的包注明的是“keras>=2.0.8”，但是load_weights_from_hdf5_group_by_name只在keras2.0.8的版本中出现，不会出现在最新的keras版本中，（大家可以看下自己的keras版本，命令如下:(1)python 回车(2)import keras h 回车(3)keras.__version__ 回车），我这里默认安装的是keras2.2.0，版本太高。

解决方法：

     1）卸载keras：pip uninstall keras      

 2）安装2.0.8版本的keras：pip install keras==2.0.8

问题2：

警告：Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA

解决方法：

(1)如果安装的是GPU版本

如果你有一个GPU，你不应该关心AVX的支持，因为大多数昂贵的操作将被分派到一个GPU设备上（除非明确地设置）。在这种情况下，您可以简单地忽略此警告：

import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

(2)如果安装的是CPU版本（pip install tensorflow）

1.在代码中加入如下代码，忽略警告：

import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

2.编译TensorFlow源码

如果您没有GPU并且希望尽可能多地利用CPU，那么如果您的CPU支持AVX，AVX2和FMA，则应该从针对CPU优化的源构建tensorflow。在这个问题中已经讨论过这个问题，也是这个GitHub问题。 Tensorflow使用称为bazel的ad-hoc构建系统，构建它并不是那么简单，但肯定是可行的。在此之后，不仅警告消失，tensorflow性能也应该改善。

2、无人车检测理解

对象检测（object detection）：不但需要检测出物体（image classification），还要能定位出在图片的具体位置（classification with localization），而且要能处理图片中的多个物体（detection）。

无人驾驶中确定图片是否有1）行人；2）小汽车；3）摩托车，并用矩形标记出物体在图像中的位置（bx、by、bh、bw），如果三类目标都没有，则标记为4）背景。使用softmax分类这四种情况。这里只考虑每张图片最多有一个目标的情况。输出y = [pc, bx, by, bh, bw, c1, c2, c3]T。其中pc表示图片中是否有目标，c1、c2、c3表示该对象术语哪一类。如果图片中有一辆车，则标签y = [1, bx, by, bh, bw, 0, 1, 0]T；如果图片中没有目标，则标签y = [0, ？, ？, ？, ？, ？, ？, ？]T，问号表示一旦pc为0，其他参数都不重要。