使用Mask-RCNN训练数据集时TensorFlow-GPU版本不兼容问题求解

问题原因 #

报错“Could not find a version that satisfies the requirement tensorflow-gpu<1.11.0,>=1.3.0”通常由两种情况导致：

1. Python版本过高：TensorFlow-GPU 1.10及以下版本仅支持Python 3.5-3.6，若当前Python为3.7及以上，PyPI源中无对应兼容版本。
2. CUDA/CuDNN版本不匹配：TensorFlow-GPU对CUDA、CuDNN有严格版本绑定，若系统安装的CUDA版本与目标tf-gpu版本不兼容，会导致安装失败或无法找到适配包。

解决步骤 #

1. 确认依赖版本对应关系 #

以Mask-RCNN主流兼容的tensorflow-gpu 1.10.0为例，需满足：

• Python：3.5.x ~ 3.6.x
• CUDA：9.0
• CuDNN：7.0.x

2. 创建隔离虚拟环境（推荐） #

用conda避免全局环境冲突：

# 创建Python 3.6的虚拟环境
conda create -n maskrcnn_env python=3.6
# 激活环境
conda activate maskrcnn_env

3. 指定版本并通过国内源安装 #

用国内PyPI源解决包找不到的问题：

pip install tensorflow-gpu==1.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 安装匹配的CUDA和CuDNN #

• 卸载不兼容的CUDA版本，下载安装CUDA 9.0（对应系统版本）。
• 下载CuDNN 7.0.x，解压后将bin、include、lib下的文件复制到CUDA安装目录对应文件夹。

版本适配建议 #

• 若使用Matterport原始Mask-RCNN实现，优先选tensorflow-gpu 1.10.0：这是该版本支持的最高tf版本，兼容性最优。
• 若无法降级Python到3.6，可改用适配TensorFlow 2.x的Mask-RCNN分支（如TensorFlow官方实现），但需调整代码适配tf2.x API。

内容的提问来源于stack exchange，提问作者nocturne