Introduce
本文记录配置Mask RCNN环境过程中遇到的一些问题。 由于某些原因，自己在这上面浪费了比较多的时间，这里进行记录。
Config
Mask RCNN网页中已经给了环境配置说明：
其中，requirements.txt中的tensorflow是使用pip安装，且安装的是CPU的版本，所以自己首先考虑的是使用conda安装GPU版本的tensorflow，这样相应的CUDA和cudnn环境就可自动安装好。
但是这样出现一个问题，conda中能安装的cudnn版本最高为7.3.1，而该Mask RCNN程序使用的cudnn至少要为7.4.1，并且conda中无法更新更高版本的cudnn，因此使用conda安装tensorflow这条路走不通。
使用pip也可以安装GPU版本的tensorflow，但不能在相应的conda环境中自动安装CUDA和cudnn，需要在Ubuntu本地安装，此处略过在Ubuntu上安装CUDA和cudnn上的步骤。
所以该Mask RCNN的环境配置可总结如下：
- 首先在Ubuntu本地安装相应版本的CUDA和cudnn
- 将
requirements.txt中的tesorflow改为tensorflow-gpu>=1.3.0 - 将该仓库下载到本地
- 新建conda环境，在环境中执行下面三条命令：
- pip install -r requirements.txt
- python3 setup.py install
- pip install “git+https://github.com/philferriere/cocoapi.git#egg=pycocotools&subdirectory=PythonAPI”
通过上述步骤即可完成环境配置。
该项目里还提到了5K minival和35K validation-minus-minival，这是由MS COCO的val分成的两个子集，使用python3 samples/coco/coco.py evaluate --dataset=/path/to/coco/ --model=mask_rcnn_coco.h5测试模型时，默认使用的是5K minival这5000张图片。
/path/to/coco/ 指向MS COCO数据集的根目录
