深度学习之 物体识别 Tensorflow object detection API 训练自己的模型 完整例子

 
   记录 Tensorflow object detection API 物体识别 训练自己的模型
 

1、搭建环境

 本例子，基于win10 64位 + Anaconda环境

安装和验证(自带例子)过程中会遇到缺失包及各种版本匹配问题(公司网络有些限制)，如果想节省时间的，可以安装如下版本的

Anaconda及相关包

  1、安装Anaconda，版本建议如下

Anaconda3-5.2.0-Windows-x86_64.exe 自带的python 版本为Python 3.6.5

 2、TensorFlow 安装

使用Anaconda自带的即可

 3、相关包，这几个包后面验证时需要安装，建议在anaconda官网 https://anaconda.org/ 上搜索，下载到本地安装，直接在线

安装可能会不断的更新各种包，问题不断。

 如下：
 先下载几个包 https://anaconda.org/
 pydot-1.3.0-py36_1000.tar.bz2
 pydub-0.23.0-py_0.tar.bz2
  absl-py-0.7.0-py36_1000.tar.bz2
  protobuf-3.6.1-py36he025d50_1001.tar.bz2

 安装命令

conda --use-local xxx

 
 

2、搭建Tensorflow object detection API环境及验证

 1、下载 Tensorflow object detection API

git库https://github.com/tensorflow/models 下载Windows版本

下载完减压

Protobuf 配置(上面已经安装此包)

models\research\目录下打开命令行窗口，输入：

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

 如果报错，进入object_detection/protos/录下，把.proto文件一个一个运行，每运行一个，文件夹下

出现对应的.py的文件。比如protoc object_detection/protos/anchor_generator.proto --python_out=.

会出现anchor_generator_pb2.py

 如下：

 
 

2、python环境变量设置

  ‘此电脑’-‘属性’- ‘高级系统设置’ -‘环境变量’-‘系统变量’ ‘PYTHONPATH’的中增加：

models/research/ 及 models/research/slim 两个文件夹的完整路径

 
 
3、验证 测试API，在 models/research/ 文件夹下运行命令行： python object_detection/bui