ubuntu18.04+cuda10.2+cudnn8.3.1 配置matterport_MaskRCNN

上次配置成功用的版本是：

tensorflow-gpu=1.14.0

keras=2.2.5

python=3.6

但是这次按照上次的流程来操作，报了下面的错误：

protobuf requires Python'>=3.7'but the running Python is 3.6.9

利用conda list查看了虚拟环境下的protobuf版本，并没有protobuf这个包。在主环境里使用pip3 show protobuf发现protobuf=3.19.1。怀疑是3.19.1版本过高的问题,于是卸载了protobuf，以此下载了3.8.0和3.6.1的版本，然后执行tensorflow-gpu的下载时，报了同样的错误。所以转而决定重建虚拟环境，使用python=3.7的版本。下面记录详细的基于tensorflow框架的MaskRCNN配置过程：

首先，使用anaconda建立名为Maskrcnn的虚拟环境：

$conda create -n Maskrcnn python=3.7

激活环境：

conda activate Maskrcnn

第二步，安装tensorflow=1.14.0

pip3 install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

之前就是在这一步报了protobuf requires Python'>=3.7'but the running Python is 3.6.9的错误。但是将python版本换成了3.7后，报错消失。

第三步，安装keras=2.2.5

pip3 install keras==2.2.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

然后可以依次执行以下命令：

pip3 install numpy
pip3 install h5py=2.10.0#此处需要设置h5py的版本，否则会自动安装3.7.0的版本，会导致后续报错，具体报错信息看文末的注意
pip3 install opencv-python
pip3 install cython
pip3 install scikit-image
pip3 install matplotlib

 此时，从Github将Mask-rcnn的代码克隆到本地。

安装pycocotools库：

GitHub - waleedka/coco: MS COCO API (fork with fix for Python3)从该网站下载cocotools.zip文件夹。

解压文件夹，进入PythonAPI文件夹下，cd cocotools/coco-master/PythonAPI

在该文件夹路径下打开一个终端，执行:

make

然后，激活环境source activate Maskrcnn，执行

make install
python setup.py install

此时pycocotools会自动安装到虚拟环境中，安装在Maskrcnn/lib/sitepackages下面。注意：如果没有安装pycocotools，会报下面的错误：

no module named 'pycocotools_mask'

 参考：(10条消息) 解决no module named'pycocotools_mask'的问题_mitudeniu的博客-CSDN博客

 此时，可以尝试运行demo.py。在项目代码中，demo文件是demo.ipynb文件，所以我用jupyter notebook命令在jupyter中将该文件输出保存为.py文件：

jupyter notebook

 就在左上角的文件选项中：

 运行demo.py后，发现还有报错：

报错信息：

TypeError:Descriptors cannot not be created directly

是protouf版本问题，查看后发现是protouf==4.21.1，太高了，降级。

pip3 uninstall protobuf==4.21.1
pip3 install protobuf==3.20.1

 注意：

h5py如果没有设置版本，可能出现的报错情况：

AttributeError: 'str' object has no attribute 'decode'

 查过后发现还是h5py版本问题，conda list查看版本号h5py=3.7.0。卸载pip3 uninstall h5py==3.7.0，然后执行pip3 install h5py==2.10.0。