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 ...
最新文章
- 10 ping不通widwos7 windwos_弱电老司机总结的10种视频监控系统故障解决方法,学会,事半功倍...
- Oracle的left join中on和where的区别
- ACL 2019 | 面向远程监督关系抽取的模式诊断技术
- 微信小程序 html modal,微信小程序参考微信设计规范做的modal模态框
- NDK 原生代码处理图形
- 【转】XMPP_3920_最靠谱的中文翻译文档
- pb怎么打开服务器上的文件夹,前台PB客户端怎么连接服务器上的SQL后台数据库...
- iOS中的唯一标示符
- 详解HashMap数据结构实现
- rust如何加好友steam_《Rust》加入女性建模 角色性别将由STEAM账号决定
- Windows批处理(cmd/bat)常用命令小结
- python控制安捷伦频谱仪_频谱仪远程操作Python类
- 基于虚拟打印的PDF文档归档探索
- 大数据挖掘型标签RFM/RFE/PSM
- 软件是如何驱动硬件的,代码是怎样对计算机实现控制的?
- cf 830 D1. Balance (Easy version)
- 数据可视化|用堆叠条形图进行对比分析
- android wine教程_如何在 Android 上借助 Wine 来运行 Windows Apps
- CenterFusion代码复现
- 最简单的python语言程序设计_编程中最简单的语言Python,这样学或许更容易
热门文章
- 关于苹果开发证书失效的解决方案(2016年2月14日Failed to locate or generate matching signing assets)
- Manifest 使用示例 - Msbuild 工程
- 英语2017年6月听力
- 【论文翻译】Learning to Navigate in Cities Without a Map
- 异或和同或运算之间的等价关系
- 读书笔记-干法-三毒排除法 拼命工作
- 《零基础入门学习Python》(23)--递归:这帮小兔崽子
- MySQL图形界面创建数据库
- MT5指标三线KDJ指标下载
- 如何修改:wq!无效时linux的readonly 标记的文档-修改liunx下mysql的慢日志查询开关。