Object Detection API【Tensorflow 2.3版本 WIN10】

一、安装

---

1.Anaconda Python 3.8.5

在Tensorflow 2.X版本中，不再像区分于Tensorflow 1.X区分于tensorflow与tensorflow-gpu，仅需要通过pip或conda安装tensorflow，其自会检查是否支持GPU，尽管你可以选择不安装Anaconda包管理，但或许安装过程中会增添许多不必要的麻烦。

软件	链接
Anaconda Python 3.8.5	下载最新版本，根据需求选择64或32位

提示：下载完成后，按照引导逐步Next即可，要注意的是，提示添加到系统环境变量时，可不勾选，安装后根据需求，在Anaconda Promt中操作，或后续手动添加至环境变量中。

环境变量配置，在Path中添加以下字段，其中：
<Contents>是你的Anaconda安装路径，例如D:\Users\jay\anaconda3

#共添加三条
1.<Contents>
2.<Contents>\Scripts
3.<Contents>\Library\bin

添加完成后，按住【**WIN+R**】，呼出【**运行**】输入【**cmd**】，按【**回车**】打开控制台；
输入：

conda -V

至此，安装好Anaconda。

---

2.配置虚拟环境

倘若没有配置conda源，有可能会以极慢的速度下载conda虚拟环境所需要的package，建议按以下步骤配置conda源，在控制台终端中输入：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --setshow_channel_urls yes

继而，输入命令，创建新的虚拟环境；

conda create -n oda_tf_2.3 python=3.8 pip -y

配置完成后，会进行**done**提示，继续往下操作；

conda activate oda_tf_2.3
conda install cudatoolkit=10.1 cudnn=7.6.5 -y #这里我安装的都是基于GPU的版本，想用CPU的朋友可以跳过此步。

我这里因为已经下载过cuda和cudnn的package，缓存下再次配置无需再下载所以速度较快；
继续往下，安装tensorflow：

注意：如果没有配置pip源地址，可能会以极低的速度下载，建议对pip源进行配置，以下是用命令行指定国内源，但每次都需要指定，较为麻烦；

pip install tensorflow==2.3 --use-feature=2020-resolver -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后，输入以下命令，验证tensorflow是否安装成功：

python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

显示你的显存，以及成功输出tensor；

至此，tensorflow的运行环境搭建基本完成。

---

3.配置ODA【Object Detection API】

Tensorflow Object Detection API 有许多版本，我尝试过1.X版本相对来说较为成熟，指的是配置过程中出现的问题相对较少，或问题已得到解决，整个流程中，必然会有存在一些我也未曾预料到的问题，可以到官网的issue中去查解。

首先，下载Tensorflow Object Detection API最新版本：

---

• 进入官网$Github$，直接右上角$Download$
• 通过$git$命令下载，这个速度相对较慢

---

下载后，会得到models-master文件夹，将它放在一个单独的位置，后续仍会用到它的地址，例如：

在这里，我的路径是：D:\PythonProject\oda_tf_2.3，直接在地址栏中输入cmd

打开新的终端，在终端中输入以下命令：

conda activate oda_tf_2.3

在这里，我们要首先把models下的models、models\research、research\slim以及models\official添加到环境变PATHONPATH当中；
于此，我只是将其临时添加，关闭控制台后即会失效，环境变量的配置方法与第一节的anaconda配置方法一样。

#输入命令
set PYTHONPATH=D:\PythonProject\oda_tf_2.3\models;D:\PythonProject\oda_tf_2.3\models\research;D:\PythonProject\oda_tf_2.3\models\research\slim;D:\PythonProject\oda_tf_2.3\models\official

请注意：以上的models、models\research、research\slim以及models\official要相对于你的models文件夹路径，勿直接拷贝

# 输入命令验证
echo %PYTHONPATH%

继续往下操作，输入命令：

conda install protobuf -y

cd models\research

处于虚拟环境oda_tf_2.3、文件夹models\research下，继续往下操作：

# From within models/research/
for /f %i in ('dir /b object_detection\protos\*.proto') do protoc object_detection\protos\%i --python_out=.

pip install matplotlib pillow lxml contextlib2 cython opencv-python IPython tf_slim pyyaml --use-feature=2020-resolver -i https://pypi.tuna.tsinghua.edu.cn/simple

接下来是较为麻烦的一部分，即在win10下安装COCO API；
可通过以下命令，进行安装：

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

但是呢，经常需要很久的时间去安装，因为网络问题，我的解决办法是将COCO API的github项目拷贝到gitee码云下；
然后再替换pip的链接地址，例如：

pip install git+https://gitee.com/jaychen969696/cocoapi.git#subdirectory=PythonAPI

再进行安装，如此可以解决网络的问题，我也曾从官网github上pip下来，但花费的时间较长，又转存到gitee上的操作不难，clone完成后；
替换我上面命令中的部分，即可，遂不再这里细述。

在models/research/文件目录下，往下操作：

# From within models/research/
python object_detection/builders/model_builder_tf2_test.py

至此，虽然上述的model_builder_tf2_test.py中有一个错误，但大体的环境算是搭建好了，同时也可以用GPU进行训练，下一步就是开始准备自己的数据集，利用预训练模型进行训练，预测等等，这些我会在下一步中继续记录。

二、训练【To Do】

---

Reference

【Object Detection API 官方 github】
【Object Detection API Tensorflow1.x版本实现】
【Object Detection API的实现】