Ubuntu17.04 TensorFlow Object Detection API 安装配置过程

2017年6月，Google公司开放了TensorFlow Object Detection API，这个项目使用TensorFlow实现了大多数深度学习目标检测框架。最近一直在学习深度学习，在做目标检测方面的东西，尝试了TensorFlow Object Detection API来训练自己的数据，发现在安装配置方面有很多的问题，因此在这里给出笔者的踩坑经历。配置过程是在Ubuntu17.04的版本中进行。

1、查看tensorflow版本和安装地址

首先，查看自己的TensorFlow版本和对应的安装地址，在终端中启动Python输入：

  $ python
      >>> import tensorflow as tf
      >>> tf.__version__  （两个横线） 
    	 '1.12.0‘
      >>> tf.__path__
         ['/usr/local/lib/python3.5/dist-packages/tensorflow ']

如果你还没有安装TensorFlow，需要先安装完才能进行配置。

$ pip install tensorflow   ##安装cpu版本
$ pip install tensorflow-gpu   ##安装gpu版本

2、下载tensorFlow Model模型库

$ git clone https://github.com/tensorflow/models.git

下载完之后，将models文件夹放在TensorFlow文件夹下,注意路径一定到清楚，最好放到默认TensorFlow文件夹下 [’ /usr/local/lib/python3.5/dist-packages/tensorflow/models/research/ ']

最后的models中的文件如下：

3、安装protoc

打开网址https://github.com/protocolbuffers/protobuf/releases，根据自己的ubuntu位数，下载想要的包，我这里下载的是proto-3.6.1-linux-x86_64。

下载后解压，执行如下命令：

   $ sudo cp bin/protoc /usr/bin/protoc

注意：如果cp无法将protoc复制到/usr/bin/protoc目录下，可以直接手动将protoc文件夹中的protoc文件拷贝到/usr/bin/protoc文件夹下，效果一样.

4、Protobuf 编译（非常重要)

Tensorflow Object Detection API 用 Protobufs 来配置模型和训练参数. 在用这个框架之前,必须先编译Protobuf 库。确保当前bash是在anaconda的root环境中。

切换到这个目录下： /usr/local/lib/python3.5/dist-packages/tensorflow/models/research/ 下：

$ source activate root
$ cd /usr/local/lib/python3.5/dist-packages/tensorflow/models/research
$ sudo protoc object_detection/protos/*.proto  --python_out=.

运行完成后，可以检查 /usr/local/lib/python3.5/dist-packages/tensorflow/models/research/object_detection/protos/ 文件夹，如果每个proto文件都成了对应的r如下如中的以py为后缀的python源码，就说明编译成功了。

5、将slim加入PYTHONPATH

（1）在models/research/slim中找到setup.py,执行以下命令：

    $ python setup.py build
    $ python setup.py install

（2）将slim加入PYTHONPATH，输入命令如下:

    $ sudo gedit ~/.bashrc

在打开的文件最下方输入：

export PYTHONPATH=$PYTHONPATH: /usr/local/lib/python3.5/dist-packages/tensorflow/models/research:/usr/local/lib/python3.5/dist-packages/tensorflow/models/research/slim

使得~/.bashrc的修改生效：

    $ source  ~/.bashrc

在python中执行import slim成功则说明已经正确设置好了。

6、安装成功测试

在models/research目录下，下运行如下命令：

 $ python object_detection/builders/model_builder_test.py

出现如下信息，说明已安装成功：