菜鸟学Tensorflow object_detection API之一环境准备

之前看了大表哥的object detection习作，甚是佩服，又在油管上看了TOP 10 OPENCV PROJECTS in 2020，立马决定搭一个环境试试，也算是学习一下最新的技术。

关键字：TensorFlow、Tensorflow object_detection API、Python、Anaconda、

接下来是我陆续遇到的问题：

一、安装tensorflow，因为对于object detection完全是一片空白，所以，只知道tensorflow，被cpu和gpu版本搞晕了，还有相关的CUDA  + cuDNN，完全不懂该如何安装，安装后如何验证是否安装成功，以及验证版本，以及安装位置。

Linux环境下，比如在Ubuntu的Desktop下搭建环境。

当然，对于想要快速入门的朋友，Windows 10下面使用Anaconda（Anaconda是什么自己去百度）搭建TensorFlow环境不失为一个好办法。

对了以下全部都是TensorFlow的CPU版本，没有条件去买显卡，对于测试来说，先掌握基本的安装和配置方法，能顺利的完整的跑一遍是最实际的。

划重点了，关于Anaconda的安装，我个人首推这篇文章，【踩坑无数】Anaconda(2020.02) + Tensorflow2.1 + python3.7 (CPU版本)的安装

https://www.cnblogs.com/bjxqmy/p/12661931.html#4765372

简单说下步骤：

1、下载Anaconda，

国外的官网就别去了，国内有清华的镜像站点https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

搜索2020，然后，选择x86_64.exe字样的去下载，目前有3个不同的版本，2020.2自带的Python版本是3.7，2020.7自带的版本是Python 3.8（具体是3.83还是3.85我忘记了），2020.11的我还没有安。接下来创建环境的时候有一条命令，你只管大版本就好了，比如3.7或3.8，不管小版本。要么是conda create -n tensorflow python=3.7要么是conda create -n tensorflow python=3.8。

2、安装Anaconda

具体安装过程我就不截图了，后面有空再补吧，可以参考别人的，反正就是下一步，但是有一个地方要特别注意，就是Install for: Just me还是All Users，这个界面我一直选的是All Users，但是偏偏有一次选的是Just Me，结果后来在jupyter notebook运行object_detection/colab_tutorials/object_detection_tutorial.ipynb的时候，有了一项权限报错。建议选择All Users。

3、验证Anaconda

conda --version，还可以顺便看下python、pip等的版本，python -V或python --version，pip -V或pip --version。

conda list可以看到当前安装了哪些模块以及相应的版本。

4、创建TensorFlow安装环境

可以使用图形化界面的Anaconda Navigator (anaconda3)，但是建议，还是从Anaconda Prompt (anaconda3)建立环境。

想使用Python 3.7，就使用conda create -n tensorflow python=3.7，想使用Python 3.8，就用conda create -n tensorflow python=3.8。

其中conda create -n tensorflow python=3.7，其中tensorflow是环境名称，你可以取tensorflow，也可以取123456。

后面的3.7，是Python的版本，如果是3.8的那么就变成conda create -n tensorflow python=3.8

5、验证TensorFlow安装环境是否创建成功

conda info --envs，默认就是Anaconda安装的base环境，有星号*的就表示，当前环境激活，或进入了当前环境。

安装了新的环境就会是两条记录。

6、进入或者叫激活 Tensorflow环境

activate tensorflow

7、安装 tensorflow

conda install tensorflow

输入命令以后，就是一顿安装。

8、验证tensorflow

可以使用conda list tensorflow

import tensorflow as tf
version = tf.__version__
print("tf version:", version)

9、退出Tensorflow环境

conda deactivate