适用于Mask RCNN 的深度学习环境和框架

1.前言

Mask RCNN官方配置为Python 3.4, TensorFlow 1.3, Keras 2.0.8，但是由于版本更新迭代，使用最新版本运行源代码时会出现numpy报错，原因是1.20.x版本的numpy舍弃了np.int、np.float等的前缀np. ，导致报错，所以需要使用更低版本的环境和框架，经过数次试错，在本机CUDA版本固定为11.3的情况下，最终确定Python 3.7, TensorFlow 2.5.0, Keras 2.4.3，numpy 1.19.5，这些都是兼容的。

2.安装虚拟环境并激活

conda create -n mask_rcnn python==3.7

使用上述代码创建一个名为 mask_rcnn的虚拟环境，Python版本为3.7。

conda activate mask_rcnn

激活环境并进入。

3.安装numpy 1.19.5

conda install numpy=1.19.5

使用上述代码安装numpy 1.19.5。

4.安装TensorFlow 2.5.0

pip install TensorFlow-gpu==2.5.0 -i https://mirrors.aliyun.com/pypi/simple/

先安装TensorFlow再安装Keras，我们这里使用阿里云镜像进行安装，直接conda install TensorFlow-GPU 会报错，因为conda和pip库里没有这一版本，所以只能从pypi去获取。如果你使用CPU进行深度学习，请忽略 -GPU。

5.安装Keras 2.4.3

pip install Keras==2.4.3 -i https://mirrors.aliyun.com/pypi/simple/

同样使用阿里云镜像源进行安装。

6.检查所有包是否安装正确

conda list

 使用上述代码可以看见该虚拟环境下所有的包，可以看到都已正确安装。

 7.更改解释器

进入pycharm中，添加Python解释器，找到该虚拟环境下的python.exe即可。

同时移除之前错误的解释器。