（一）搭建caffe2版
Caffe2已合并到pytorch框架里了，所以搭建caffe2就得搭建pytorch。在搭建的过程中，各种坑，后来定位到
才知道，pytorch，要求cudnn7+，而cudnn7+要求对应的cuda在9+，然而，升级cuda，对整个服务器的影响较大，为了不影响其他人的使用，放弃caffe2版本的搭建。所以在搭环境前，一定要看好需要的版本号。
（二）搭建tensorflow版
也是各种坑，其中下面这个坑是耗时最长的：
即：version GLBCXX_3.4.21 not defined in file in libstdc++.so.6 with link time reference
其实这类问题是很解决的，就是tensorflow中的so包缺少XXX版本，这类问题解决办法，要么升级GCC（这个办法，如果多人共用一个服务器，就不要升级了，会对别人有影响的），要么在整个服务器中找有 GLBCXX_3.4.21 的libstdc++.so.6包，具体方法是:
①find / -name libstdc++.so.6 ///先找到所有libstdc++.so.6 包
②strings /opt/lampp/lib/libstdc++.so.6 | grep GLIBCXX_ ///然后挨个路径下的libstdc++.so.6包查找里面是否有 GLBCXX_3.4.21
③如果找到，就创建一个软链接，让之前指向libstdc++.so.6的路径，改为指向有GLBCXX_3.4.21 的libstdc++.so.6
然而，我发现我软链接指向的libstdc++.so.6包里面是存在 GLBCXX_3.4.21，但一直提示找不到 GLBCXX_3.4.21 ，我也是很困惑，后来，我直接卸了服务器中的python3.6，用的python3.5,就没有这种错误了，具体细节原因，我也不清楚了。
（三）模型训练
模型训练前，一定要选好数据标定工具,可以使用Labelme，也可以使用VIA,下面那篇博客有详细解释。
两种标定方法产生的json文件内部结构是不一样，所以，用不同的标定工具，后面训练的代码也是不一样的，如果用VIA可以改写MASK-RCNN工程里面的balloon.py,用来训练自己的数据集，如果是用Labelme，可以参照下面这篇博客。
需要说明一下的地方，很多博客中产生的labelme_json文件中的label.png是一片黑，然而我的是这样有颜色的图。
这是因为labelme版本不同导致的，可以看看这种彩色label.png是否为8位图，如果深度为8位，就不需要再转化，直接用labelme_json文件夹下的label.png放到cv2_mask文件下即可。
但是在训练的时候，总是出现IndexError: boolean index did not match indexed array along dimension 0; dimension is 1 but corresponding boolean dimension is 128
网上找了很多办法都没有解决，后来无意中发现“直接用labelme_json文件夹下的label.png放到cv2_mask文件下”，这一步出错了，在放图片的这一步，使用了imread这个函数，后面的参数没有设置，在存放的过程中，默认将8位的图转化成了24位！！！！
后来使用src = imread(buff1, IMREAD_GRAYSCALE);还是出错
IndexError: boolean index did not match indexed array along dimension 0; dimension is 1 but corresponding boolean dimension is 36 解决办法：直接在训练的train.py中，在load_shapes函数中的mask_path地址指向labelme_json文件夹下。 mask_path = dataset_root_path + “labelme_json/” + filestr + “_json/label.png”
最后，直接运行train.py出现下图，成功。
