由于本人linux环境比较多,为了避免互相影响,使用anaconda进行环境管理
目录
Tensorflow Object Detection API 环境搭建
anaconda安装及环境搭建
软件下载:
anaconda官网下载地址
ubuntu下安装的anaconda3 为了避免影响其他环境,我没有把anaconda加入系统目录
创建虚拟环境
用conda创建虚拟环境 在anconda3安装目录里使用命令
./anconda3/bin/conda create --name py35tf python=3.5
激活环境
source anaconda3/bin/activate py35tf
如果想退出环境 运行
source deactivate
Tensorflow Object Detection API 环境搭建
下载tensorflow Models:
linux 终端运行命令:
git clone --recursive https://github.com/tensorflow/models.git
安装相关环境:
按照官方说明,安装如下环境
- Protobuf 3.0.0
- Python-tk
- Pillow 1.0
- lxml
- tf Slim (which is included in the "tensorflow/models/research/" checkout)
- Jupyter notebook
- Matplotlib
- Tensorflow (>=1.9.0)
- Cython
- contextlib2
- cocoapi
安装tensorflow
# For CPU
pip install tensorflow==1.9.0
# For GPU
pip install tensorflow-gpu==1.9.0
COCO API 安装
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
make
make成功后生成pycocotools文件夹 将其拷贝到 /models/research/文件夹内
cp -r pycocotools <path_to_tensorflow>/models/research/
Protobuf 编译
在 tensorflow/models/research/ 目录下运行 protoc object_detection/protos/*.proto --python_out=.
我测试没有编译成功 改用手动安装编译方式
Protobuf手动安装编译方式
下载protobuf.zip并解压,在 tensorflow/models/research/ 目录运行
wget -O protobuf.zip https://github.com/google/protobuf/releases/download/v3.0.0/protoc-3.0.0-linux-x86_64.zip
unzip protobuf.zip
在 tensorflow/models/research/目录运行
./bin/protoc object_detection/protos/*.proto --python_out=.
编译成功
将 slim库目录添加到python路径
在 tensorflow/models/research/ 目录运行
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
这句话每次重新进入终端环境都要运行一次
测试安装
在 tensorflow/models/research/目录运行
python object_detection/builders/model_builder_test.py
测试成功
GPU模式
GPU模式需要安装 cuda 及cudnn
cuda安装
搜索cuda版本
conda search cuda
我这里安装了9.0版本
conda install cudatoolkit==9.0
cudnn安装
搜索cudnn版本
conda search cudnn
cudnn版本要和cuda版本对应上,这里选择安装 7.3.1版本
conda install cudnn==7.3.1
anaconda可以直接安装cuda及cudnn到虚拟环境,不会影响其它环境,还是比较方便的。