windows下delf配置:基础环境(一)
windows下delf配置:delf环境(二)
一、delf基础package
1.1、安装tf-Slim
cd c:\dlenv
git clone git@github.com:google-research/tf-slim.git
cd tf-slim
pip3 install .
1. 2、安装Protobuf
(1)、下载
protobuf Releases · protocolbuffers/protobuf · GitHub
本文下载的是3.17.3版本,项目要求版本>=3.3即可
(2)添加bin目录绝对路径至环境变量
安装protocol编译器成功后,检测
(3) 将protoc-3.17.3-win64\bin下的protoc.exe复制到protobuf-python-3.17.3\protobuf-3.17.3\src
(4)编译测试
cd protobuf-python-3.17.3\protobuf-3.17.3\python文件夹
python setup.py build //编译
python setup.py test //测试编译是否成功
python setup.py install //安装
编译显示
测试编译
安装 import google.protobuf 不报错即可
1.3、 Python dependencies
安装python库依赖
conda install matplotlib numpy scikit-image scipy
二、配置delf
2.1.tensorflow/models
github tensorflow/models并安装所需的库:(注:object_detection库需要手动添加tensorflow/models/research/到PYTHONPATH库中,详细过程在安装完tensorflow/models后讲解)
https://github.com/tensorflow/models
2.2.安装 slim’s “nets” package.
#进入 models/research/slim/ 文件夹
pip install -e .
2.3、编译DELF的protobufs
(1)进入 tensorflow/models/research/delf/ 文件夹
cd ..
cd ./delf
protoc delf/protos/*.proto --python_out=.
不输出就是成功,果编译出错,可能是proto版本的问题
(2)Install “delf” package.
pip install -e .
会提示安装成功,但仍需要import delf看是否成功
2.4、安装object_detection库
这里是大坑
(1)Protobuf编译
Tensorflow对象检测API使用Protobufs配置模型和训练参数。在使用框架之前,必须编译Protobuf库。这应该通过从tensorflow / models / research目录运行以下命令来完成:
注意 research目录,不是object_detection目录
cd ./research
protoc object_detection/protos/*.proto --python_out=.
(2)ModuleNotFoundError: No module named ‘object_detection‘
需将“models\research\object_detection\packages\tf2”文件夹下的“setup.py”复制到“models\research”目录下,然后执行:
cd ./research
python setup.py build
python setup.py install
但是cuda不能用了,一直不知道什么原因,看到conda list有tensorflow2.6.0,才知道object_detection api有些模块需要2.6
为了cuda能用,先卸载再安装还是不行
pip uninstall tensorflow
pip install tensorflow==2.2.0
没办法重头又配置一遍,这次直接pip install tensorflow==2.2.0,会把2.6直接卸载,cuda可以用了
终于配好DELF模型的环境,下节讲讲怎么跑起来
1、DELF安装
2、安装tensorflow中的delf深度图像检索模块
3、TensorFlow的子项目DELF的测试及学习