文章目录
前言
目前tensorflow的版本已经到了2.8,但是还有很多项目依赖tensorflow1.x,而tensorflow1.x与2.x版本差异很大,因此,搭建一个tensorflow1.14的虚拟环境尤为重要。
一、Anaconda与CUDA安装
Anaconda 是一款含Python在内集成了多种库和环境包及依赖项的开源工具
安装Anaconda可以避免手动安装很多依赖项
Anaconda国内清华镜像地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
根据需要选择下载的版本,安装过程中能勾选的都选上。
CUDA选择的版本是10.0.130
直接上链接:win10_x64_cuda_10.0.130
因为是第二次安装,勾选只勾选CUDA,别把显卡驱动和experience也安装了
cuDnn选择的版本是7.6.5,虽然官方推荐7.4,但7.6.5最新且能用
直接上链接:cuDnn7.6.5_for_cuda10.0_win10
都搭建第二个环境就不解释安装方法路径了
一般来讲环境变量会自动添加,若是没有,参考如下
tensorflow-gpu会自动搜索适合当前版本的cuda以及cudnn,不用担心安装两个会报错。
还有一种通过pip安装cuda,会简单挺多,建议改完为源、创建虚拟环境后再使用
(即看完二、三、四再来安装cuda)
conda install cudatoolkit==10.0.130
conda install cudnn==7.6.5
安装完成后输入
conda list
看到以上四项就说明安装完成
二、更改国内下载源(加快搭建虚拟环境后的库安装)
win+R打开cmd,直接键入以下代码
conda config --remove-key channels
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple
调用的是中科大的源,可能如上图有些库没有源。
清华源的话访问人数较多, 中科大源少些速度快些,清华源多但速度可能不稳定,这个就看你取舍了
本人用的是清华源,慢点就慢点,省心,如下
conda config --remove-key channels
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
三、创建虚拟环境
公式:
conda create -n [env_name] python==[version]
例如:
conda create -n tensorflow1.14 python==3.7.0
这样便新建了名为tensorflow1.14,python版本为3.7.0的虚拟环境
四、激活虚拟环境
公式:
conda activate [env_name]
例如:
conda activate tensorflow1.14
五、获取object detection api
先整个git,从GitHub把object detection整下来
直接上链接:git2.36.1-win10-64bit
安装很简单,无脑默认下一步即可
安装完成后激活虚拟环境,输入:
git clone https://github.com/tensorflow/models [TFOD_PATH_WHERE_U_WANT]
例如:
git clone https://github.com/tensorflow/models e:\tf1.14
若你已经cd到要下载的文件夹,就直接:
git clone https://github.com/tensorflow/models
要等等,毕竟是外网资源,大概是651mb
如果毫无动静,就复制https://github.com/tensorflow/models到浏览器看看
若是无法打开,参考这篇文章:无法访问GitHub,连接超时GitHub
若真不行还有国内的gitee源(可能少些东西,但一般不影响),如下:
git clone https://gitee.com/shikiG/tensorflow-models.git
安装完成内容如下:
六、安装tensorflow-gpu1.14.0并修改一些依赖项版本
本人推荐用 pycharm 来安装
选择刚刚创建的python3.7虚拟环境的interpreter,点击terminal,即可以当cmd使用了
首先就输入:
pip install tensorflow-gpu==1.14.0
等待安装完成后,可以创一个py文件,输入
import tensorflow as tf
观察是否报错(一般来说,现在安装tensorflow1.14基本上都会报错)
protobuf版本太高
pip install protobuf==3.20.1
numpy版本太高
pip install numpy==1.16.4
这时一般就可以成功运行了
七、proto编译py文件
路径根据自己更改
cd tensorflow-models/research
protoc object_detection/protos/*.proto --python_out=.
八、安装object detection api
1.直接安装(按照以上步骤来的就能直接输入代码)
copy object_detection\\packages\\tf1\\setup.py setup.py
python setup.py build
python setup.py install
等待就行,若是卡着了就ctrl+c停止安装,查看第二种方法。
2.间接安装(手动安装库)
在你创建的虚拟环境,例如:F:\Anaconda3\envs\tf1.14\Lib\site-packages中创建一份.pth文件
输入以下内容并保存(路径那些自己修改):
E:\tf1.14\tensorflow-models\research
E:\tf1.14\tensorflow-models\research\slim
手动安装一些库:
pip install tf_slim
pip install matplotlib==3.3.0
pip install lvis==0.5
pip install scipy==1.5.0
pip install gast==0.2.2
pip install numpy==1.16.4
但是这样安装的opencv-python缺少组件,所以要卸载再重装:
pip uninstall opencv-python
y
pip install opencv-python
自此安装完成tensorflow-gpu1.14.0+pyhon3.7.0+object detection api
九、测试
根据自己的路径用pycharm打开:
tensorflow-models\research\object_detection\builders\model_builder_test.py