WIN10python3.7配置MaskRCNN环境及demo测试（tensorflow-gpu1.x）

#本文参考了各种配置教程，最终完成mask_R-CNN环境搭建与demo测试。

一.工具

1. python3.7与pycharm；
2. CUDA 9.0 Toolkit，tensorflow2.0以下最好都用cuda 9.0（patch也需要，选择日期最新的即可）；
3. cuDNN for CUDA 9.0 即可；
4. 在pycharm中安装以下库（这些库直接在pycharm中安装方便不容易出错）：Keras2.0.8 , Pillow , PIL , opencv-python , imgaug , scipy , Theano , scikit 其他常用库也可以安装，这里不再叙述；
5. Git 官方链接：https://git-scm.com/downloads ；
6. Tensorflow-gpu 1.15.0 官网上直接下载.whl保存到解释器对应的路径下，一般为venv\Script\目录下；
7. Mask_R-CNN2.0 官网 ：https://github.com/matterport/Mask_RCNN；
8. 预训练权重：mask_rcnn_coco.h5；链接：https://github.com/matterport/Mask_RCNN/releases
9. MicrosoftBuild Tools 2015及更高版本

二. 环境搭建

1. 安装CUDA9.0平台
   CUDA 9.0的默认路径是
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
   把cudnn-9.0-windows10-x64-v7.1.zip解压后，把bin，include，lib\x64里面的文件(共三个)分别拷贝到
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib\x64目录下即可。
   然后编辑环境变量Path
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
   打开CMD，输入nvcc -V 可查看是否配置完成
   
   本文cuda已经换成10.0，为了向下兼容，最好还是使用9.0

2. 安装tensorflow-gpu1.15.0
   首先在Pycharm Terminal中cd到tensorflow-gpu.whl所在的目录
   
   直接pip install filename.whl即可，这样的安装一般不容易出错而且方便

   以下是tensorflow-gpu安装成功的验证：

import tensorflow as tf

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')

    b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')

with tf.device('/gpu:1'):
    c = a + b

# 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。

# 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。

sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))

# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

sess.run(tf.global_variables_initializer())

print(sess.run(c))

结果如下，即说明计算是在GPU上进行的：

3. pycocotools安装
   先安装好MicrosoftBuild Tools 2015及更高版本；直接安装VS也可以
   在terminal中执行：
   git clone https://github.com/philferriere/cocoapi.git
   再执行：
   pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
   安装成功后，pip list可以查看
   
   执行第一句话就是把这个github仓库里的文件都加载，第二句的意思是用pip安装目录里的PythonAPI。

4. 其他基本库安装
   其他的库在 一.工具 中提到，安装过程相比之下不容易出现错误，通过terminal pip install安装，也可以打开pycharm的Setting->Project Intepreter搜索需要的库及版本，点击install package。举个栗子：
   

三.下载mask_R-CNN

从GitHub下载mask_R-CNN，以及预训练权重mask_rcnn_coco.h5
链接：https://github.com/matterport/Mask_RCNN/releases

记得下载预训练权重，模型不需要再训练，可以直接应用。
找到mask_rcnn2.0下面的mask_rcnn_coco.h5点击下载。然后将这个h5文件复制或移动到MaskRCNN文件夹中即可。

四.运行demo进行测试

通过运行demo对示例文件进行识别

在terminal中cd到RCNN 的demo所在文件夹，通过jupyter notebook 打开demo.ipynb文件

点击运行后得到识别结果：