一、安装Anaconda3

1、下载

下载地址:https://www.continuum.io/downloads

2、安装

在文件目录下执行:bash Anaconda3-4.2.0-Linux-x86_64.sh

回车键继续

阅读完注册信息后,这里输入“yes”

选择加入环境变量,这里输入“yes”

看到信息“For this change to become active, you have to open a new terminal.”(要使这个更改生效,必须打开一个新的终端。)这句话提示,需要在新的终端窗口使用anaconda,打开新的终端,查看相应的版本信息

3、创建

conda create -n tensorflow python=3.6

4、激活

source activate tensorflow

激活以后命令行前面会增加   (tensorflow)

二、安装Tensorflow(CPU)

1、安装依赖包

在上一步命令行上直接输入一下命令安装

首先升级pip,如果不升级,会有提示,

pip install --upgrade pip

(目前,应该会升级到pip18)

接下来依次输入

pip install numpy

pip install scipy

pip install cython

pip install h5py

pip install Pillow

pip install scikit-image

pip install keras

pip install theano

pip install jupyter

pip install six

安装完成以后进入下一步

2、安装pycocotools

直接输入

git clone https://github.com/waleedka/coco.git

pip install git+ https://github.com/waleedka/coco.git#subdirectory=PythonAPI

#or

-------------------------

cd到PythonAPI里面,使用命令 
python setup.py build_ext install 
安装即可,如果是安装python3,需要使用 
python3 setup.py build_ext install

-------------------------

3、在上一步的基础上直接输入命令:

pip install tensorflow==1.5.0     //版本号根据需要自定义

安装完成以后在命令行上输入:python   回车,进入python3.6,在命令行分别输入以下命令

(tensorflow)$ python    ###########

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)

如果命令行输出    Hello, TensorFlow!    ,说明tensorflow安装成功

测试完成以后输入  exit()  退出python,继续下一步安装

4、安装opencv

在上一基础上,在命令行输入:

pip install opencv-python

5、安装imagaug

pip install imgaug

三、配置Mask-RCNN

1、下载Mask-RCNN

git clone https://github.com/matterport/Mask_RCNN.git

2、下载coco权重文件

https://github.com/matterport/Mask_RCNN/releases

在页面上下载  mask_rcnn_coco.h5 (246MB)

下载完成以后放在Mask_RCNN目录下即可

3、运行Mask_RCNN案例

在前面步骤的基础上进入 Mask_RCNN目录

在命令行输入:jupyter notebook  回车

稍等片刻,会在浏览器打开页面,点击进入  samples目录,点击demo.ipynp进入代码运行页面

选择  Cell  菜单,在  Cell下拉菜单选择  Run All,稍等片刻,在该页面底部会输出运行结果

ubuntu16配置Mask-RCNN的更多相关文章

  1. Windows上配置Mask R-CNN及运行示例demo.ipynb

    最近做项目需要用到Mask R-CNN,于是花了几天时间配置.简单跑通代码,踩了很多坑,写下来分享给大家. 首先贴上官方Mask R-CNN的Github地址:https://github.com/m ...

  2. Ubuntu16.04+Cuda8.0+cuDNN6配置py-faster rcnn(转)

    原博客地址:https://blog.csdn.net/meccaendless/article/details/79557162 0前言Faster R-CNN是任少卿2015年底推出的目标检测算法 ...

  3. ubuntu16.04跑通Mask R-CNN Demo

    1. 下载源码: git clone https://github.com/matterport/Mask_RCNN 2. 安装依赖项(其实就是程序的运行环境) 我是用conda新建的虚拟环境. (1 ...

  4. Mask RCNN 源码阅读(update)

    之前看了Google官网的object_dectect 的源码,感觉Google大神写的还不错.最近想玩下Mask RCNN,就看了下源码,这里刚好当做总结和梳理.链接如下: Google官网的obj ...

  5. Mask R-CNN详解和安装

    Detectron是Facebook的物体检测平台,今天宣布开源,它基于Caffe2,用Python写成,这次开放的代码中就包含了Mask R-CNN的实现. 除此之外,Detectron还包含了IC ...

  6. [代码解析]Mask R-CNN介绍与实现(转)

    文章来源 DFann 版权声明:如果你觉得写的还可以,可以考虑打赏一下.转载请联系. https://blog.csdn.net/u011974639/article/details/78483779 ...

  7. 使用colab运行深度学习gpu应用(Mask R-CNN)实践

    1,目的 Google Colaboratory(https://colab.research.google.com)是谷歌开放的一款研究工具,主要用于机器学习的开发和研究.这款工具现在可以免费使用, ...

  8. CVPR目标检测与实例分割算法解析:FCOS(2019),Mask R-CNN(2019),PolarMask(2020)

    CVPR目标检测与实例分割算法解析:FCOS(2019),Mask R-CNN(2019),PolarMask(2020)1. 目标检测:FCOS(CVPR 2019)目标检测算法FCOS(FCOS: ...

  9. Mask R-CNN用于目标检测和分割代码实现

    Mask R-CNN用于目标检测和分割代码实现 Mask R-CNN for object detection and instance segmentation on Keras and Tenso ...

  10. 论文笔记:Mask R-CNN

    之前在一次组会上,师弟诉苦说他用 UNet 处理一个病灶分割的任务,但效果极差,我看了他的数据后发现,那些病灶区域比起整张图而言非常的小,而 UNet 采用的损失函数通常是逐像素的分类损失,如此一来, ...

随机推荐

  1. spring mvc中,如何在 Java 代码里,获取 国际化 内容

    首先,在Spring的application.xml中定义 <bean id="messageSource" class="org.springframework. ...

  2. Git_学习_07_ 推送修改到远端

    一.操作流程 多人协作时,若自己的本地代码有了修改,想提交自己的代码,就需要按照以下步骤操作: 1.确认修改正确 使用以下命令,查看有哪些是自己未提交的代码 git status 2.拉取远程最新代码 ...

  3. 字符串数组是可以保存并输出null。只不过不好动态指定长度

    java里如何输出才能让字符串数组不显示出null 2014-05-23 17:46笨妞纤霏 | 浏览 1360 次  编程语言 代码如下package testCourse; public clas ...

  4. Python 3.5 socket OSError: [Errno 101] Network is unreachable

    /******************************************************************************** * Python 3.5 socke ...

  5. UVA - 11324 The Largest Clique (强连通缩点+dp)

    题目链接 题意:从有向图G中找到一个最大的点集,使得该点集中任意两个结点u,v满足u可达v或v可达u. 解法:先把同处于一个强连通分量中的结点合并(缩点),得到一张DAG图,在DAG上dp即可. 感觉 ...

  6. 2017-2018-1 20179215《Linux内核原理与分析》第十周作业

    第17章 设备与模块 一.设备类型  除了以上3种典型的设备之外,其实Linux中还有一些其他的设备类型,其中见的较多的应该算是"伪设备".所谓"伪设备",其实 ...

  7. ajax返回

    1.几种方式public function getAjax(){ //$data = 'ok'; //$this->ajaxReturn($data); // 'ok' //$this-> ...

  8. Websphere中的几个常用概念

    什么是单元(Cell)?什么是节点(Node)?Node.Profile 与 Server 之间的关系是什么? 答: 单元: 单元是整个分布式网络中一个或多个节点的逻辑分组.单元是一个配置概念,是管理 ...

  9. Excel分类汇总

    版本:2016,数据来源:我要自学网,曾贤志老师 1.首先,要进行分类,在进行汇总, 如对日期进行汇总的话:​   如果对品名进行汇总的话   ​2.光标要定在数据源,在选择分类字段(包含项目比如品名 ...

  10. 在Mac系统下如何恢复SourceTree全局忽略的文件

    在家目录“~”下编辑 “.gitignore_global ” 文件即可:vim  .gitignore_global