tensorflow1.14+object detection api+python3.7.0虚拟环境搭建

---

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

CUDA10.0.130其他操作系统选择

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

cuDnn历代版本（要登录并填写问卷才能访问）

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