配置MaskRCNN环境吐槽（GeForce MX250+win10+tensorflow1.5.0 GPU版）

！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
我配好了！！！！！！！！！！！！！！！！！！！！！！！！！！！
anyway！！！！！！！！！！！！！！！！！！！！！！！！！！！！
全体起立！！！！！！！！！！！！！！！！！！！！！！！！！！！

我要把这伟大的瞬间记录下来，把我的欧气传给你们，来，吸！！！！

斯多普！来言归正传了！

这个 mask-rcnn 我真的服了，不，准确来说是很多深度学习的模型都不太好配，各种库包的版本统一都要做到位，不然会有无数个报错等着你，所以有个心理建设必须到位：不要老想着debug！乖乖按着前辈成功的路走下去！！你现在当务之急是配好环境学算法，而不是炼丹一样配环境(至于你是不是炼丹学算法另说)

想要配好 mask-rcnn 的环境，你需要的心理建设：

1. 老实跟着一个博客的流程走（为此我把我的 VS2022 都卸载了），如果你要参考两个博客，也可以但是分清主次
2. 放弃 debug 心理
3. 适当 debug
4. 平衡 2 和 3

你还需要知道的：

1. （tensorflow-gpu 1.8.0仅支持cuda9.0的版本）
2. 算力7.0的显卡可以在支持最高算力7.5的CUDA版本下运行，但是算力7.5的显卡不可以在支持最高算力7.0的CUDA版本下运行，所以如果不知道自己的显卡支持什么版本的 cuda，直接安装最新版本的 cuda 即可
3. 但是最要命的是，tensorflow 的版本有cuda 的最高版本限制，如果tensorflow 支持 CUDA11.1，但是你安装的版本是 CUDA11.2 ，那就用不了了

---

mask-rcnn 项目 README 中要求的库包版本

Python 3.4, TensorFlow 1.3, Keras 2.0.8 and 
other common packages listed in &#`.

numpy
scipy
Pillow
cython
matplotlib
scikit-image
tensorflow>=1.3.0
keras>=2.0.8
opencv-python
h5py
imgaug
IPython[all]

我看的博客成功案例

(建议留在我这篇2022年的博客看，因为是基于这个2018年博客的补充)
链接：blog.csdn/chenmoran0928/article/details/79999073，

1. python3.6， cuda 9.0 toolkit（版本要求极高，最新是Cuda 9.1是不兼容之后的tensorflow1.5的）
2. cuDNN v7.0.5，for CUDA9.0
3. Opencv3.3.1（可用anaconda可以简单配置，windows和ubuntu略有不同，版本不一定非是3.3.1，只是windows的好安装）
4. Tensorflow GPU版1.5.0
5. keras2.0.8，theano和keras也是深度学习的框架，这里主要需要keras，版本至少在2.0.8以上。而需要theano的原因是因为运行的时候可能会出现报错，“nomodule named ‘keras’的问题

你可以很清楚地看到这个成功的案例中库包的版本并不是和 README 中的完全一致，这给我们一个启示就是，万事皆有可能，所以如果你的显卡型号可能和我一样尴尬(下面会讲)，那你也可以多搜一下，看看有没有成功的案例。

但是你秉持万事皆有可能头铁着边配环境边debug，你会很难受！

建议：

所有版本都按这个博客的安装，然后先把我看的这个博客大致浏览一遍，再把我标出的要注意的地方看一下，如果各种情况和你的电脑gpu等情况匹配，那就可以开始动手，切忌着急上手，浪费时间！

我

题目是说我的显卡是：Geforce MX250 （csdn的图片插入不太会用，没法居中很生气，不如typora好用）

在这里右键点击控制面板可以进入看到自己的显卡型号，Geforce MX250 算力大致 6.1

也是在控制面板里面可以看自己的显卡型号适合什么版本的 CUDA ，(你可以理解为 CUDA 就是使用显卡的插件)(知道适用什么版本 CUDA 没啥用，比如我的是显示 CUDA 11.1，但我用的就是 CUDA9.0，我也不懂)

具体点哪里我忘了，也不重要）

这个显卡型号很尴尬，因为在tensorflow和显卡的版本对应中是找不到Geforce MX250的，在我开始没找到我这个型号的对应 tensorflow 的时候，我是绝望的，我以为我和 mask-rcnn 无缘了
进入官网：developer.nvidia/cuda-toolkit-archive 找到和显卡信息相匹配的cuda（cuda是向下兼容的）

但是天无绝人之路！我小脑瓜灵机一动，去搜了下"Geforce MX250 安装 tensorflow 成功案例"，发现有前辈已经做过这样的尝试了(我爱你们！)，我通过这个链接知道 GeForce MX250 也可以使用 CUDA9.0
参考链接：blog.csdn/weixin_43884418/article/details/104346859?ops_request_misc=&request_id=&biz_id=102&utm_term=Geforce%20MX250%20cuda9.0&utm_medium=distribute.pc_-task-blog-2~all~sobaiduweb~default-0-104346859.142^v11^control,157^v13^control&spm=1018.2226.3001.4187

！就此，我知道我可以参考这篇博客开始配环境了，激动兴奋！
blog.csdn/chenmoran0928/article/details/79999073

麻麻地，写博客好累啊，不想写了，想摸了，我刚刚配好环境，还没来得及学呢，好的先不写了，后面如果评论区有需求我再加，先摸了我，我简单放一下关键的节点，你们配合着这那两篇博客看好了
主：blog.csdn/chenmoran0928/article/details/79999073
次：blog.csdn/weixin_43694742/article/details/123300731

意外

cuda当前页面脚本发生变化

记得当时就是点是，会弹出好几个这种窗口提示“当前页面的脚本发生错误”，区别就是下面的 url 是 cuda 的路径，而不是图中一样 vs2017 的路径，

很怪的是，一直点是，前面两次都不行，就直接显示无法安装 CUDA了，第三次就可以了，（也有可能是在还没有跳出这个脚本错误的提示窗口的时候，我点了自定义安装CUDA，事实上也要自定义，因为要把那个VS的安装选项给去掉）

打不开 anaconda，搜索后发现断网可以解决，成功

进入虚拟环境MASK-RCNN安装相关包

创建好虚拟环境MASK-RCNN后，要进入这个环境安装各种依赖包，而不是还在base环境下安装包
安装完某个包后再次运行安装指令(如：pip install six)可以看安装在了哪里

blog.csdn/qq_35988224/article/details/109150379?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165423068116781683987262%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=165423068116781683987262&biz_id=0&utm_medium=distribute.pc_-task-blog-2~all~sobaiduend~default-1-109150379-null-null.142^v11^control,157^v13^control&utm_term=anaconda%E8%BF%9B%E5%85%A5%E7%8E%AF%E5%A2%83&spm=1018.2226.3001.4187

纯 pip install 安装如龟速

用镜像下载 tensorflow1.5.0 很快，我用的是阿里云的镜像，用了镜像 1MB+速度，没用是几十kb/s

blog.csdn/qq_41634276/article/details/109504486

安装好CUDA后会自动从文件夹中删除，但是nvcc -V 可以找到

好好反思一下：
注意这两个文件是不一样的！！！！！我在这上面纠结半天，我是个大猪头！！！！

coco.h5 文件在这里面，要点开才看得到

这个git仓库应该是安装在MASK-RCNN文件夹下

pip install cython 红字一大堆

把梯子关掉

error: Unable to find vcvarsall.bat ，因为要求安装vs

blog.csdn/Draymond_666/article/details/85091235

ImportError: cannot import name ‘tf2‘

keras和tensorflow版本不一致，版本对应关系在后面查看

blog.csdn/wzz110011/article/details/120813607

zhuanlan.zhihu/p/465947475