MaskRCNN使⽤tf-gpu环境搭建实战
在服务器上搭建环境，⽽服务器上的cuda版本很迷惑，想使⽤tensorflow-gpu必须要使⽤对应版本的cuda和cudnn，看了很多教程觉得最简单的就是在虚拟环境下装cuda和cudnn再装tf-gpu。
我选⽤了cuda9.0+cudnn7.1.2+tensorflow-gpu1.12.0
1.创建虚拟环境
conda create -n cuda9 python=3.6
#激活虚拟环境
source activate cuda9
2.添加清华源并使⽤conda安装cuda和cudnn（使⽤conda安装保证了cuda安装在虚拟环境下，不影响系统默认环境下的cuda）
#加⼊清华源
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/pkgs/free/
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/pkgs/main/
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
#安装cuda
conda install cudatoolkit=9.0 -c mirrors.tuna.tsinghua.edu/anaconda/pkgs/free/linux-64/
#安装cudnn
conda install cudnn=7.1.2
到这⾥cuda和cudnn就安装完毕了，⾮常简单，可以conda list查看⼀下是不是安装了对应版本。
3.安装tensorflow-gpu
建议先安装⼀个合适的numpy和h5py，否则import tensorflow时会有⼀些warning，我⽬前发现numpy1.16.0和h5py2.10.0是不会报错的。
pip install numpy==1.16.0
pip install h5py
conda install tensorflow-gpu
我好像是使⽤conda安装的，⽤pip也⾏，这个影响应该不⼤，安装时我没有指定版本。
conda install tensorflow-pgu后会显⽰将要安装的版本，如果对应的版本明显有问题就按n退出安装，然后指定1.12.0版本，如果相差不⼤的话可以不管。直接y安装
安装完成后可以通过import tensorflow来验证安装的tf-gpu有没有问题。
4.安装maskrcnn需要的包
pip install scipy
pip install Pillow
pip install cython
pip install matplotlib
pip install scikit-image==0.16.2
pip install keras==2.2.4
pip install opencv-python
pip install imgaug
pip install ipython
注意keras和tensorflow版本是相对应的。
我标注了版本号的包是我试错时出现过问题的，按照我标注的版本号安装⼀搬不会出问题。
tensorflow入门教程5.克隆Mask_RCNN
cd workdir进⼊你想安装的⽬录（workdir是我的的安装⽬录）
git clone github/matterport/Mask_RCNN.git
6.安装pycocotools
先克隆pycocotools的⽂件夹
git clone github/cocodataset/cocoapi.git
克隆完毕后
cd 到cocoapi/PythonAPI⽂件夹中
python setup.py build_ext --inplace
python setup.py build_ext install
接下来测试pycocotools是否安装成功
进⼊ipython，输⼊from pycocotools import mask 没有错误提⽰就代表成功。
7.下载coco权重
我是在本地下载好后上传到服务器的，放在Mask_RCNN⽬录下。
以上就是搭建maskrcnn环境的全部内容，⼩⽩第⼀次写搭建记录，还望⼤佬们多多指教。以上步骤参考：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。