实验环境搭建

Part1:实验准备
实验项目相关的网址：
https://github.com/matterport/Mask_RCNN （project网址）
https://github.com/waleedka/coco （cocoAPI）
实验所需要的数据介绍及实验数据的下载：
实验数据为COCO2014
train2014.zip，val2014.zip， test2014.zip
5k minival：instance minival2014.json
Validation minus minival：instance valminusminival2014.json

Part2:实验环境搭建

  1. 基础的深度学习环境搭建nvidia-gpu384+cuda8+cudnn6.0 (基本的环境安装请看本人另一份文档，仅供参考)

  2. 安装anaconda3（实验需要python3+的版本，同时便于管理电脑整体环境）
    去conda官网下载对应电脑系统版本的软件并安装好。本次实验，此电脑为Ubuntu16.04系统。
    备注：部分anaconda简单的使用指令：
    创建实验虚拟环境： conda create -n env_names python=*.*(python版本)
    **实验环境：source activate env_names
    关闭实验环境：source deactivate
    查看已创建的实验环境：conda info -envs

  3. 创建env并且**该env，下面的操作都在该env环境下操作。将project clone到对应的目录下，同时，进入项目目录下，按照requirements.txt安装对应的依赖库以及实验框架，运行指令：
    pip install -r requriements.txt
    python setup.py install
    待上述安装完成，则进行以下操作：
    将cocoapi clone至项目文件夹下，进入cocoapi的PythonAPI目录下编译：
    make -j12
    编译通过后，将PythonAPI目录下的pycocotools拷贝至Maskrcnn项目下的samples/coco目录下即可
    至此。实验的数据准备及环境搭建完成，即可开始实验demo的测试了。

Demo测试
入门级别的demo测试，打开项目目录下samples/demo.ipynb 文件用jupyter-notebook逐段运行代码即可；
遇到的问题：
4. NO module name
解决办法：pip指令安装相应的packages
5. module ‘coco’ has no attribute ‘Cococonfig’
解决办法：
将代码中的 import coco
修改为 from samples.coco import coco
6. softmax( ) got an unexpected keyword argument ‘axis’
解决办法：
Tesorflow/keras版本问题; 我的处理办法是：删除conda中的maskrcnn实验环境，重新创建，安装，编译实验环境。需注意的一点，本人重新创建的实验环境tf的版本为 tf-gpu= =1.4，keras==2.1.3，python=3.5，其余package均为requriements.txt内的版本
7. 最终demo测试结果如下
Mask Rcnn(Keras)学习笔记
COCO数据训练
8. 实验数据准备（coco2014）
按照官方文档准备实验的数据集
9. 训练
运行指令：
python3 coco.py –dataset=/path/to/coco –model=coco
遇到的问题：

  1. TypeError: rduce_mean() got an unexpected keyword argument ‘keepdims’
    解决方式：
    该问题是由tf的版本问题导致，到对应问题代码内将keepdims修改为：keep_dims
    修改完后需要重新编译project，即到project根目录下运行指令：
    python setup.py install
  2. BrokenPipeError: [Errno 32] Broken pipe
    解决方式：
    该问题是由于GPU内存不够所导致的，将代码里IMAGE_PER_GPU数值改为1（视自己电脑gpu情况确定数量）

【本人的电脑硬件配置不够，因此并未接着往下做相关的模型训练实验了，接下来的时间在学习源码】
该笔记仅供参考，不喜勿喷，若有不足请多多包涵。