windows下object_detection(基于tensorflow-gpu1.14)安装

本文详细记录了在Windows上安装tensorflow-gpu1.14进行object_detection的步骤,包括下载模型、安装依赖、cocoapi、protoc编译、环境变量配置和slim安装,最后进行测试。
摘要由CSDN通过智能技术生成

根据自己安装过程遇到的问题,参考了两位大神的博客,亲测有效,在此作个总结

https://blog.csdn.net/qq_34106574/article/details/80138703(参考博客一)

https://blog.csdn.net/KID_yuan/article/details/91428058(参考博客二)

个人总结:

一、下载模型

https://github.com/tensorflow/models,放在自己的工作路径下即可(本人将整个文件命名为models)

二、安装依赖包

即第一步中Installation中提到的那些安装包

pip install tensorflow-gpu

pip install matplotlib

pip install lxml

pip install pillow

pip install Cython

三、cocoapi安装

下载windows下的cocoapi安装包:https://github.com/philferriere/cocoapi

cd 到 cocoapi/PythonAPI目录,执行:  python setup.py build_ext install

将PythonAPI目录下的pycocotools复制到research目录下

 

四、protoc编译

该过程主要是将models/research/object_detection/protos下所有的proto文件编译成 .py文件。

(1)下载安装protoc

https://github.com/protocolbuffers/protobuf/releases,自己选择版本安装,我用的是3.9.0_win_64版本。直接将解压出的protoc.exe文件复制到models/research/目录下即可

(2)开始编译

进入models/research目录,此处有两种方式,最好先尝试第一种,即批量进行操作

protoc  object_detection/protos/*.proto --python_out=.

如果提示No such file or directory,但文件又确实存在的话,就尝试第二种,即一个一个文件进行编译

protoc object_detection/protos/anchor_generator.proto --python_out=.

所有文件都以这种形式编译,可以看我参考的博客二,直接进行复制,里面可能有漏掉的,自己检查一下。最后会生成相应的 .py文件。

ps:我是第一种方式没成功,用的第二种方式,如果有人知道怎么解决这个批量操作的问题,希望大家下面留言,交流下,谢谢。

 

五、安装过程

这个过程比较简单,进入models/research目录

(1)python setup.py install

该过程会生成一个build文件,里面有编译的lib/object_detection等,基本就算安装成功

更新(2021.06.04)新版本的models,setup.py文件不在research目录下,需要进入models/research/packages/tf1或

models/research/packages/tf2下将setup.py文件复制到research目录下即可

 

(2)配置环境变量

在path中添加models/research/object_detection文件路径,保险起见,可以将models,research 路径都加上

或者将object_detection添加到library_root,方法可参考本人另一篇博客:

https://mp.csdn.net/postedit/100512941

六、安装slim

    删除 models/research/slim目录下的BUILD文件,然后cd 到 models/research/slim目录下,运行: python setup.py install

 

七、测试过程

测试命令python object_detection/builders/model_builder_test.py

可能会提示no model named 'nets', 如果出

 

 

错,则将slim下的BUILD文件删除,然后执行python setup.py install,重新生成即可。

最后再重新执行测试命令,最后出现

Ran 16 tests in 0.090s

ok

即可,不过也可能是

Ran 16 tests in 0.090s

ok(skipped = 1)这种,我就是,发现是跳过了 ModelBuilderTest.test_session,暂时还不知道有没有什么影响。

按参考的博客一中最后的操作有个测试结果

jupyter notebook object_detection_tutorial.ipynb

 

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值