环境:Ubuntu16.04+cuda8.0+cudnn6.0+Anaconda3.4.1.1+tensorflow1.4.1+keras2.1.3
**注意**:
(1)Mask Rcnn要求tensorflow1.3+,而如果需要使用cuDNN的话,tensorflow1.3需要cuDNN6.0版本才可以。所以如果以前使用的是cuDNN5.0的话就需要升级,过程和安装cuDNN差不多:
首先去官网 https://developer.nvidia.com/rdp/cudnn-download 下载cuDNN,需要注册一个账号才能下载。下载版本号如下图:
下载cuDNN6.0之后进行解压:
sudo tar -zxvf ./cudnn-8.0-linux-x64-v6.0.tgz
进入cuDNN6.0解压之后的include目录,在命令行进行如下操作:
cd cuda/include sudo cp cudnn.h /usr/local/cuda/include #复制头文件
再将进入lib64目录下的动态文件进行复制和链接:
cd ..cd lib64sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.6 #删除原有动态文件若原来因为其他框架如caffe安装了cudnn5.1,那么为了不影响caffe使用,可以参考这篇文章:http://blog.csdn.net/fly2leo/article/details/78500051。但我因为是直接重新编译了caffe,而且为了不必要的麻烦将caffe的Makefile.config中use_cudnn=1注释掉,即不是用cudnn。 (2)Anaconda选择Anaconda3.4.1.1才是对应的Python3.5,更新版本可能就是Python3.6,3.6版本tensorflow不支持。 正式开始配置Mask RCNN:扫描二维码关注公众号,回复: 2644136 查看本文章sudo ln -s libcudnn.so.6.1.1 libcudnn.so.6 #生成软衔接sudo ln -s libcudnn.so.6 libcudnn.so #生成软衔接
注意:以下在Anaconda环境下安装命令不要使用sudo,否则会使用系统自带的python2.7环境而不是Anaconda中的python3.5
具体可参考:http://blog.csdn.net/u011961856/article/details/77676461,安装成功后将coco/PythonAPI/中的pycocotools文件夹拷入Mask_rcnn主目录下
至此,安装工作结束!
conda remove mkl mkl-service
若所有问题都解决了,demo的运行结果如下:
要下载COCO数据集,具体如下:
参见文章:http://blog.csdn.net/zpp13hao1/article/details/78664994
若出错;ImportError: No module named ‘cv2,则可以: pip3 install opencv-python