此教程默认你已经安装了Anaconda，且tensorflow 为cpu版本。为什么不用gpu版本，原因下面解释。

此教程默认你已经安装了Anaconda。

因为tensorflow2.1后的gpu版·，不支持windows。并且·只有高版本的tensorflow才对应我的CUDA12.2；
而且，我之前安装了pytorch跑tolov8，cuda都很高。安装tensorflow-gpu的话，需要重新安装我的cuda，感觉太麻烦了。过程中一直遇到各种错误。索性直接放弃gpu版本了。

第一步，安装CUDA和CUDnn。

window+r，进入命令行，输入nvidia-smi.显示信息如下：

所以我安装的CUDA是12.2版本的。

进入CUDA安装路径，查看CUDnn 版本:

我电脑为win10.显卡为3060，CUDA、CUDnn版本如上图所示。安装自己电脑对应的CUDA和CUDnn。pycharm使用的版本是：PyCharm 2023.2.3。CSDN上也有对应CUDA下载教程。

在Anaconda中创建虚拟环境

conda create -n maskrcnn python=3.6

激活并进入环境

conda activate maskrcnn

安装tensorflow，使用清华镜像安装：

pip install tensorflow==1.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装之后，进入python，看一下是否安装成功;

没有报错，至于出现下面那一推东西，不用管他。能用就行。

安装其他依赖包，一个一个复制安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy1.17.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scipy1.2.1
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pillow8.4.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple cython0.29.28
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib3.3.4
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit-image0.17.2
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python4.3.0.38
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple h5py2.10.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple imgaug0.4.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ipython7.16.3

到这里tensorflow就算安装完成了。下一步需要下载官方的MASKRCNN代码包。

地址：https://gitcode.com/mirrors/matterport/mask_rcnn/tree/master
除了代码包以外，还需要下载他的预训练权重和数据集。我数据集下载的是气球数据集。
找不到权重文件，数据集，源码的小伙伴也可以在我分享的网盘里下载。

百度网盘链接：

链接：https://pan.baidu.com/s/1N5VRfzuvdNGjvJthbq9CJA
提取码：2222

下载完后，把xmaskrcnn放到自己电脑盘中，最好不要有中文。
把数据集，权重文件解压到目录下：

我把整个文件都打包上传，读者就不需要解压，移动了。直接下一步

pycharm打开源码文件

设置python解释器，就是刚刚创建的那个Anaconda环境下的maskrcnn，里面有个python.exe文件：

设置->项目：MaskRCNN->python解释器：添加解释器

选择完后，自己可以新建一个test.py，看看tensorflow能不能用。

找到下面这个ballon.py文件，并且在ballon文件夹下面新建一个logs文件夹。

里面代码修改如下（只修改这部分，里面的路径根据自己实际情况改）：

编辑配置

点开之后，输入:

点击应用，确定。
就可以运行ballon.py这个文件了。结果如下图：