Tensorflow object detection API 的环境配置

最近尝试建立Tensorflow object detection API 的环境，最终成功实现。这个API运行与CPU，没有做GPU的加速，因此也没安装GPU相关的插件。

1.我的电脑
win10-64位

RAM：4G

用到的东西：

Anaconda 3-5.1.0

TensorFlow

...................

2.参考资料
https://blog.csdn.net/dy_guox/article/details/79081499

https://blog.csdn.net/r1254/article/details/76735740

https://blog.csdn.net/RobertChenGuangzhi/article/details/50499274

https://blog.csdn.net/caicai_zju/article/details/70245099

https://blog.csdn.net/comway_Li/article/details/81434358

3.安装Anaconda
下载Anaconda3-5.1.0-Windows-x86_64的安装包，安装位置可以修改为非C盘，最好不要出现中文路径吧，一路next，出现下图的时候把两个都勾选起来，继续next

安装好之后打开cmd，输入：conda --version

如果输出像下面箭头那样，就是安装成功了。

4.安装Python
这个版本的anaconda所附带的Python是3.6版本，但TensorFlow所能适应的版本是3.5版本，所以需要先搞一个3.5的Python环境。操作为：在cmd里面输入

conda create --name python35 python=3.5
我这里的python35是代表着可以适应TensorFlow的Python3.5环境，原英文文档的这个名字是TensorFlow，但本质是一样的。这里的3.5会令Python选择3.5.x中的最高版本。等待一段时间，下载安装完成之后，在cmd输入：conda info --envs 如果出现如下图两个箭头所指向的回应，则代表安装成功（另外那些非箭头指向的是我各种安装尝试最后抛弃的文件，无视之）。

5.安装TensorFlow
TensorFlow一般入门的是CPU版本，稍微高端一点的是GPU版本，这里我只安装CPU的。先在cmd里面输入

activate python35
来激活现在的Python35环境，以后想退出这个环境就deactivate，下图就是进入了Python35环境的效果。

然后在python35的环境下，使用pip安装tensorflow，输入：

pip install --upgrade --ignore-installed tensorflow
验证安装是否成功，在35环境下输入python，来在cmd里面打开Python，输入如下代码，如果输出是b'good'那就是初步成功了。

import tensorflow as tf
hello = tf.constant('good')
sess = tf.Session()
print(sess.run(hello))
安装spyder和ipython等插件：打开Anaconda Navigator，在下图箭头那里搜索spy和ipy找到spyder和ipython进行勾选，然后点左下角绿色的apply，之后会出现一系列要一起安装的，继续apply就行了。这里安装的插件可能还是不够的，等一下的操作会知道那些不够，然后再来补充。

6.下载Tensorflow object detection API
https://github.com/tensorflow/models

从github上下载项目（右上角“Clone or download”-"DownloadZIP"），解压，放去没有中文路径的文件夹里面，这里解压出来的文件名是models-master。

7.Protobuf 安装与配置
https://github.com/google/protobuf/releases

在列表的最下面找到Windows版本，我是用了3.4.0版本，之前用过3.6，进行下面的操作的出错，就用回这个3.4版。解压，将bin下面的protoc.exe放到C:\Windows（当前CMD默认加载路径下）。

cmd把默认文件夹进入刚才步骤6的models-master\research目录，然后输入：

protoc object_detection/protos/*.proto --python_out=.
这里可能报错，大概是找不到protoc的意思，重启试试，可能刚才放完exe之后Windows还没更新过来。然后也可能报错说找不到文件夹或文件之类，就是什么的*起不到遍历的作用，这个时候就要把*换成protos文件夹下面每一个.protos文件的名字，逐个来手动操作，按了回车之后产生了该文件对应的.py文件cmd框里没报错，那就是OK了一个，下图是我逐个操作出来的结果。

8.PYTHON环境变量配置
在环境变量-系统变量中新建名为‘PYTHONPATH’的变量，输入D:\Py\models-master\research;D:\Py\models-master\research\slim

这个是我电脑的文件路径，自己的电脑自己稍微修改一下。然后重启电脑。

测试这个API，激活python35（每次都要激活的），把cmd的默认路径弄到;D:\Py\models-master\research 然后输入：

python object_detection/builders/model_builder_test.py
没报错就说明是这个api可以。如果出现类似于：ImportError: No module named "xxxxxxxx" 那么说明anaconda里面还缺失这个xxxxx插件，参考步骤5，在Anaconda Navigator界面里找到这个xxxxx，然后apply。有一个例外，就是缺失pil的时候，有时候会出现问题，用旁边的pilow插件来代替apply就行了，这个相当于升级版。

9.测试自带案例
打开Anaconda3-Anaconda Promp，激活python35，目录cd到D:\Py\models-master\research\object_detection

输入jupyter notebook来打开网页，网页文件中的 object_detection_tutorial.ipynb，然后点击上方的 “Cell”-"Run All"，就会运行，In[ ]那里出现* 就说明正在运行。如果运行成功，两三分钟后，会出现下面的景象：

可以出现以上画面的话，说明Tensorflow object detection API 的环境搭建与测试工作完成。

run-all的时候，可能会出现一些问题：
①在运行时，报import matplotlib; matplotlib.use('Agg') # pylint: disable=multiple-statemen错误，将from matplotlib import pyplot as plt 改为import matplotlib.pyplot as plt即可解决这个错误。

②报一大串，包括最下面有“ImportError: Could not find 'cudart64_90.dll'. TensorFlow requires that this........”，这个是因为我一开始安装过GPU版的TensorFlow，去Anaconda3-Anaconda Promp那里把这个卸载掉。

③出现“ImportError: No module named tensorflow ”，可能是这个jupyter有问题，强行在Anaconda3-Anaconda Promp里重新安装一次这个jupyter

activate python35 #激活tensorflow环境
conda install ipython
conda install jupyter
jupyter notebook #重新打开jupyter notebook
=======================以上就是建立好了这个环境========================

可以对代码进行修改一下，改变一下功能

1.加入其它的检测图片，在object_detection文件夹下面见建立一个类似于test_images的文件夹，放自己想检测的照片进去，改下面的这3个地方：新的文件夹的名字、文件夹里照片簇的名字、照片数量。然后就run-all

2.换模型，默认的模型是最简单快速的模型，可以在下面那里改成你想用的模型的名字，然后就直接运行就OK了

注意了，名字一定要是全名，这些可选的模型汇集于：

https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

3.一个模型的第一次运行会慢很多，因为需要下载这个模型，第一次过后，可以吧Download Model部分的代码注释掉，就会快一些。另外，新模型的第一次也可以在上面的网址那里下载想要的模型，解压，解压出的关键文件夹是里面有包含一个.pb文件的那个，把整个文件夹复制到detection_objection文件夹下，这样就可以不下载了，第一次也可以把Download Model注释掉，直接run-all 。
---------------------
原文：https://blog.csdn.net/pc9803/article/details/82290357

Tensorflow object detection API 的环境配置相关推荐

Tensorflow Object detection API 在 Windows10 配置
Tensorflow Object detection API 在 Windows10 下的配置不如在 Ubuntu 下配置方便,但还是有方法的,介绍一下我的配置流程. 官方目标检测的demo中调用了 ...
Tensorflow object detection API 搭建属于自己的物体识别模型１环境搭建与测试
https://blog.csdn.net/dy_guox/article/details/79111949 后续博客地址(附带视频教程) ------------------------------ ...
TensorFlow学习——Tensorflow Object Detection API（1.安装篇）
2017 年 6 月, Google 公司开放了 TensorFlow Object Detection API . 这个项目使用 TensorFlow 实现了大多数深度学习目标检测框架,真中就包括 ...
Tensorflow object detection API 搭建属于自己的物体识别模型（转载修改）
Tensorflow object detection API 搭建属于自己的物体识别模型电脑配置信息开始搭建环境测试自带案例准备训练图片配置文件与模型开始训练模型生成最终的训练文件测 ...
使用tensorflow object detection API 训练自己的目标检测模型（二）labelImg的安装配置过程
上一篇博客介绍了goggle的tensorflow object detection API 的配置和使用, 这次介绍一下如何用这个API训练一个私人定制的目标检测模型. 第一步:准备自己的数据集.比 ...
Tensorflow object detection API训练自己的目标检测模型详细配置教程 (一)
Tensorflow object detection API 简单介绍Tensorflow object detection API: 这个API是基于tensorflow构造的开源框架,易于构建. ...
ubunu16.04 TensorFlow object detection API 应用配置
TensorFlow object detection API应用–配置主要参考 : https://github.com/tensorflow/models/blob/master/researc ...
Tensorflow object detection API 搭建物体识别模型
----------------------------------------------------先把别人博客教程跑通-------------------------------------- ...
如何在windows系统上安装Tensorflow Object Detection API？
前言都说Linux是最适合程序员使用的操作系统,这话还真不假. 之前一直在云服务器上跑代码,近期接手了师兄的台式机(GTX 1050),虽然配置很渣,但想在本地玩玩看,于是乎先安装一波Tensorf ...

Tensorflow object detection API 的环境配置

Tensorflow object detection API 的环境配置相关推荐

最新文章

热门文章