基于tensorflow框架使用Anaconda创建训练Mask R-CNN 所需的环境配置教程

cwahfma

于 2025-03-06 19:42:51 发布

阅读量714

点赞数 23

文章标签： python 机器学习深度学习 tensorflow cnn 人工智能学习

本文链接：https://blog.youkuaiyun.com/cwahfma/article/details/146022216

版权

前言

本篇教程是基于tensorflow框架使用Anaconda创建训练Mask R-CNN 所需的环境配置教程，这里使用的tensorflow是CPU版本的，IDE使用的是pycharm，此教程包含如何将创建好的虚拟环境添加到python解释器中。

首先需要下载Anaconda，需要通过Anaconda来创建虚拟的环境，在使用Anaconda之前先来介绍一下Anaconda是什么。

Anaconda

Anaconda 是一款广受欢迎的开源数据科学平台，专为简化Python和R语言的开发环境管理而设计。它集成了强大的工具和功能，成为数据科学家、机器学习工程师和研究人员的核心工具之一。

Anaconda核心功能

一体化环境管理：通过Conda包管理器，Anaconda支持快速安装、更新和管理超过7,500个预编译的科学计算库（如NumPy、Pandas、Scikit-learn），避免了手动解决依赖冲突的难题。
虚拟环境隔离：用户可为不同项目创建独立环境，灵活切换Python版本和第三方库组合，确保实验的可重复性和项目兼容性。
跨平台协作：提供Anaconda Navigator图形界面和命令行工具，无缝支持Windows、macOS和Linux系统，降低团队协作的环境配置成本。
高效开发工具链：内置Jupyter Notebook、Spyder等交互式开发工具，加速数据探索、模型训练及结果可视化流程。

Anaconda的重要性在于其通过标准化工具链与高效环境管理，彻底革新了数据科学的工作流程。它不仅解决了多版本依赖冲突这一长期困扰开发者的难题，还通过预集成超7500个科学计算库和Jupyter等工具，将环境搭建时间从数小时压缩至几分钟，极大降低了技术门槛。其虚拟环境机制保障了项目间的隔离性与可重复性，成为学术研究到工业落地的通用技术底座。作为Python数据科学生态的事实标准，Anaconda年下载量超60亿次，支撑着金融、医疗等领域的合规化模型部署，同时通过商业版本赋能企业级AI管道，推动数据驱动决策从实验室走向规模化生产，是现代数据科学基础设施中不可替代的核心组件。

Anaconda官方下载地址：Download Anaconda Distribution | Anaconda

在完成Anaconda的安装后我们可以在应用里看到一个Anaconda（anaconda）的文件夹，里面包含了四个工具：Anaconda Navigator、Anaconda PowerShwll Prompt、Anaconda Prompt、Jupyter Notebook。

Anaconda Navigator

Anaconda Navigator 是一款面向数据科学的图形化界面（GUI）工具，其核心功能是通过零代码操作简化Python虚拟环境的管理与开发流程。用户无需掌握命令行知识，即可直观地创建、切换或删除虚拟环境，并一键安装、更新或卸载超过7500个预编译的科学计算库（如NumPy、Pandas等），有效规避依赖冲突问题。该工具集成了数据科学生态中的关键应用入口，支持直接启动Jupyter Notebook、VS Code、Spyder等开发环境，同时提供环境可视化面板，实时展示当前激活环境的Python版本、已安装包列表及其版本详情，大幅降低多项目管理复杂度。尤其适合教育、企业协作等场景，让非技术背景用户也能快速构建标准化开发环境，实现“点击即用”的高效科研与数据分析。

Anaconda Prompt 与 Anaconda PowerShell Prompt

Anaconda Prompt 和 Anaconda PowerShell Prompt 是专为简化命令行环境管理而设计的工具，二者均深度集成 Conda 生态系统，但适配不同用户需求。Anaconda Prompt 基于传统 Windows 命令提示符（CMD），提供开箱即用的 Conda 命令支持，启动时自动激活默认的 base 环境，用户可直接通过 conda install、conda create 等命令高效管理虚拟环境及安装科学计算库，适合需要快速执行基础操作（如环境切换、包安装）的用户。Anaconda PowerShell Prompt 则基于功能更强大的 PowerShell，除支持所有 Conda 命令外，还兼容 PowerShell 的脚本化特性（如管道操作、对象化输出），例如可通过 conda list | Select-String "pandas" 快速过滤已安装的包，满足自动化部署、复杂脚本编写等高级场景需求。两者均预配置环境变量，避免手动设置路径的繁琐，前者以轻量简洁见长，后者以扩展性和系统级控制为优势，共同为用户提供从入门到进阶的全维度命令行解决方案。

Jupyter Notebook

Jupyter Notebook 是一款基于浏览器的交互式编程环境，以“单元格”为核心设计，支持代码分段执行、实时结果输出与Markdown富文本注释的无缝融合，极大提升数据探索与原型开发效率。其核心功能包括：通过交互式单元格逐块运行Python、R等语言代码并即时展示图表、表格等可视化结果；多格式文档整合能力，允许将代码、公式、图像及解释性文字整合为动态报告；跨平台协作特性，支持导出为HTML、PDF、LaTeX等多种格式或直接共享.ipynb文件供团队复现分析流程。作为数据科学领域的“数字实验室”，Jupyter Notebook凭借低门槛交互性和高灵活性，成为机器学习调试、学术研究及教学演示的首选工具，尤其擅长处理需要反复迭代参数的数据分析任务，例如结合Matplotlib实时绘制数据趋势，或通过IPywidgets创建动态参数调节面板，使复杂模型开发过程直观可视。

对于这几个工具的对比

教程

创建环境

对于本教程我们是通过使用Anaconda Prompt来实现Mask R-CNN虚拟环境的创建，首先将Anaconda Promptd打开

在此面板上进行操作的

我们可以通过以下代码来查看我们所创建的虚拟环境,输入代码后回车即可显示我们的虚拟环境

conda info -e

接下来我们就要创建运行Mask R-CNN的虚拟环境，Maskrcnn是虚拟环境的名称，可根据自己的需求来自定义环境名称，同样进行回车。

conda create -n Maskrcnn python=3.6

这步输入y来确定创建名为Maskrcnn的虚拟环境，创建有时需要等待一会。

再次输入y回车，此时名为Maskrcnn的虚拟环境创建成功。

输入下列代码激活进入此虚拟环境,前面括号显示Maskrcnn即成功进入到我们刚才创建的虚拟环境当中。

conda activate Maskrcnn

安装tensorflow框架

下一步是需要安装tensorflow，tensorflow是了一个深度学习框架，广泛应用于各类机器学习算法的编程实现。输入以下代码来安装tensorflow，这里我们要使用清华镜像安装，不然有可能会因网络原因导致安装进程缓慢或安装失败。

pip install tensorflow==1.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

tensorflow安装完毕。注意等号后面是tensorflow的版本，cpu是使用1.5.0，之后会介绍GPU版本的使用。

安装环境其他依赖包

接下来是安装环境其他依赖包（numpy、scipy、pillow、cython、matplotlib、scikit-image、opencv-python、h5py、imgaug安装）这里建议一个一个安装，安装版本就用给定的就行，当时尝试了很多，这个是正常运行的版本，同时用的依然是利用清华镜像来安装。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy==1.17.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scipy==1.2.1
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pillow==8.4.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple cython==0.29.28
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib==3.3.4
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-image==0.17.2
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python==4.3.0.38
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple h5py==2.10.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple imgaug==0.4.0

安装keras

安装完环境其他依赖包后，要安装keras，keras需要和tensorflow版本对应，否则会出现版本不兼容的问题。这里用的keras是2.1.6的。

pip install keras==2.1.6 -i https://pypi.tuna.tsinghua.edu.cn/simple

添加解释器

将keras安装完后，我们的环境所需的东西就全部准备完了，现在要将环境添加到我们pycharm的解释器上，接下来我们打开用pycharm打开我们的Mask R-CNN的代码。点击右下角添加新的解释器，或者在设置里添加新的解释器。

我们需要添加一个本地的解释器，就是我们刚才在Anaconda上创建的环境。选择我们创建环境的路径文件环境一般保存在Anaconda文件里的envs的文件夹里，envs里有一个名为Maskrcnn的文件夹，这就是我们刚才创建的环境所在的位置。选择在Maskrcnn文件夹里有个python.exe。然后等解释器加载完，我们就可以开始快乐的训练啦