博主的筆記本配置：Ubuntu16.04LTS + i7-7700hq+GXT1050 4G
一、安裝Anaconda3
1、下載
下載地址：https://www.continuum.io/downloads
2、安裝
在文件目錄下執(zhí)行：bash Anaconda3-4.2.0-Linux-x86_64.sh
回車鍵繼續(xù)
閱讀完注冊信息后，這里輸入“yes”
選擇加入環(huán)境變量，這里輸入“yes”
看到信息“For this change to become active, you have to open a new terminal.”（要使這個更改生效，必須打開一個新的終端。）這句話提示，需要在新的終端窗口使用anaconda，打開新的終端，查看相應(yīng)的版本信息
3、創(chuàng)建tensorflow所需要的環(huán)境
conda create -n tensorflow python=3.6
4、激活（相當(dāng)于進(jìn)入到tensorflow的環(huán)境中）
source activate tensorflow
激活以后命令行前面會增加 (tensorflow)
二、安裝Nvidia驅(qū)動
安裝NVIDIA驅(qū)動有幾種方法，網(wǎng)上大多建議進(jìn)入tty終端手動運(yùn)行run驅(qū)動文件，但是博主按照這種方法裝不成功，提示以下錯誤，供大家參考：
1、在安裝run驅(qū)動文件時會報make -j8 NV_EXCLUDE_BUILD_MODULES錯誤
ERROR: Failed to run `/usr/sbin/dkms build -m nvidia -v 367.57 -k 4.15.0-36-generic`:
Kernel preparation unnecessary for this kernel. Skipping...
Building module:
cleaning build area.... 'make' -j8 NV_EXCLUDE_BUILD_MODULES='' KERNEL_UNAME=4.15.0-36-generic modules.....(bad exit status: 2)
ERROR (dkms apport): binary package for nvidia: 367.57 not found
Error! Bad return status for module build on kernel: 4.15.0-36-generic (x86_64)
Consult /var/lib/dkms/nvidia/367.57/build/make.log for more information.
這個錯誤可以通過安裝時多添加一個選項(xiàng)-no-cc-version-check來解決
2、成功安裝后nvidia-smi能正常顯示信息，但nvidia-settings報錯：
Error：unable to load info from any available system
這個錯誤通過sudo apt-get install nvidia-settings來解決，但打開驅(qū)動settings界面后依舊報錯，所以還是不可行。
我推薦的方法：通過使用標(biāo)準(zhǔn)Ubuntu倉庫和ppa源進(jìn)行自動安裝
1、先禁用Nouveau，方法為：
sudo gedit /etc/modprobe.d/blacklist.conf
或者
sudo vim /etc/modprobe.d/blacklist.conf
在最后兩行添加：
blacklist nouveau
options nouveau modeset=0 // 禁用nouveau第三方驅(qū)動，之后也不需要改回來
執(zhí)行
sudo update -initramfs -u // 更新內(nèi)核
2、使用標(biāo)準(zhǔn)Ubuntu 倉庫和ppa進(jìn)行自動安裝
sudo add-apt-repository ppa:graphics-drivers/ppa //添加ppa庫到系統(tǒng)中
sudo apt update // 更新
sudo ubuntu-drivers autoinstall //自動下載，由于倉庫在國外所以下載很慢，可以考慮科學(xué)上網(wǎng)的方法
sudo reboot //重啟
3、驗(yàn)證安裝成功：
輸入：nvidia-smi
顯示：
輸入：nvidia-settings
顯示：
三、安裝CUDA9.0（博主的筆記本GXT1050是支持CUDA的）
1、首先去英偉達(dá)官網(wǎng)下載cuda9.0安裝包
(ubuntu) https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal（下載Base Installer）
2、安裝相關(guān)依賴庫：（缺少相關(guān)依賴庫等會安裝時會報錯誤Missing recommended library: libGLU.so；Missing recommended library: libXmu.so）
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
如果提示依賴無法解決，則嘗試sudo aptitude install 安裝，選擇一個合適的依賴解決方案。ps：如果沒有apttitude則aptitude需要另外安裝。
3、安裝：（安裝之前要禁用nouveau，方法參考上面對應(yīng)部分）
給runfile文件賦權(quán)限：chmod a+x cuda_9.0.176_384.81_linux2.run
執(zhí)行安裝：sudo ./cuda_9.0.176_384.81_linux2.run
安裝過程中一直按著確定鍵直到100%，然后按accept、n（不要安裝driver）、y、y、y
4、設(shè)置環(huán)境變量
sudo gedit ~/.bashrc
在文本的末尾加上：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64
export PATH=$PATH:/usr/local/cuda-9.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-9.0
5、驗(yàn)證：
nvcc --version
顯示如下則代表安裝成功：
四、安裝cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0（注意是安裝cuDNN7.0.5版本，如果安裝到7.6版本運(yùn)行tensorflow1.5.0可能會報版本不符錯誤）
1、(官網(wǎng)) https://developer.nvidia.com/rdp/cudnn-archive
需要先注冊然后選擇上面的版本要求下載。Cuda和Cudnn可能打開網(wǎng)頁很慢，但是下載的時候速度還可以，有些用梯子的人可以考慮還是國內(nèi)下載的好。
找到如圖所示的地方，下載 cuDNN v7.05 Library for Linux
2、解壓：tar -xzvf cudnn-9.0-linux-x64-v7.tgz
3、執(zhí)行安裝和賦予權(quán)限：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
4、驗(yàn)證：
輸入：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
顯示如下圖片則為安裝成功
五、安裝tensorflow
1、安裝依賴包：（pip安裝很慢，可以用清華源進(jìn)行下載例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xxx）xxx就是我們要下載的軟件
source activate tensorflow
pip install --upgrade pip
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
2、安裝pycocotools
直接輸入
git clone https://github.com/waleedka/coco.git
pip install git+https://github.com/waleedka/coco.git#subdirectory=PythonAPI
3、安裝tensorflow cpu版和gpu版
pip install tensorflow==1.5.0 //cpu版本
pip install tensorflow-gpu==1.5.0 //gpu版本
4、安裝opencv
在上一基礎(chǔ)上，在命令行輸入：
pip install opencv-python
5、安裝imagaug
pip install imgaug
6、驗(yàn)證tensorflow：
source activate tensorflow
python
import tensorflow as tf
print(tf.__version__)
輸入版本號即為成功
到這里MaskRCNN所需要的基本環(huán)境就配置成功了
六、配置Mask RCNN
1、下載Mask-RCNN
git clone https://github.com/matterport/Mask_RCNN.git
2、下載coco權(quán)重文件
https://github.com/matterport/Mask_RCNN/releases
在頁面上下載 mask_rcnn_coco.h5 （246MB）（直接點(diǎn)擊mask_rcnn_coco.h5鏈接即可下載，下載速度很慢，建議用科學(xué)上網(wǎng)的形式來加速）
將下載好的mask_rcnn_coco.h5文件放到Mask_RCNN文件夾下。
3、運(yùn)行Mask_RCNN案例
在前面步驟的基礎(chǔ)上進(jìn)入 Mask_RCNN目錄
在命令行輸入：
source activate tensorflow
jupyter notebook
稍等片刻，會在瀏覽器打開頁面，點(diǎn)擊進(jìn)入 samples目錄，點(diǎn)擊demo.ipynp進(jìn)入代碼運(yùn)行頁面
選擇 Cell 菜單，在 Cell下拉菜單選擇 Run All（運(yùn)行所有），稍等片刻，在該頁面底部會輸出運(yùn)行結(jié)果
