Ubuntu18.04使用Anaconda虚拟环境运行tensorflow-object-detection-api（GPU版）

安装完Mac主题风格后，心情大好，hh，终于可以干正事了。下面进入正题。

0.安装Anaconda

去官方地址下载对应的压缩包，然后通过bash命令安装。

注意点

1. 安装地址最好选择默认的，比较方便。
2. 需要将环境变量添加到PATH里面（默认是会添加的）。如果没有的话，进行如下操作

sudo gedit ~/.bashrc

然后在文件最后加上

export PATH=/home/(你的用户名)/anaconda3/bin:$PATH

然后激活，验证安装是否成功。

source ~/.bashrc                      #激活
conda --version                       #验证是否安装成功 
conda info -e                         #查询当前所有配置环境信息

1.安装cuda

版本选择

首先需要注意的是驱动版本和cuda以及cuDNN版本的匹配，这里我的驱动版本为390，所以我选择的是cuda9.0以及cuDNN7。
官方建议的tensorflow和匹配python，CUDA，cuDNN版本见此链接。

gcc降级

cuda9.0只支持gcc-6.0以下的版本，ubuntu18.04自带的gcc为7.3，所以我们需要降到gcc-5版本

# 安装gcc-5
sudo apt-get install gcc-5
sudo apt-get install g++-5

# 修改软链接

cd /usr/bin
sudo mv gcc gcc.bak                        # 备份
sudo ln -s gcc-5 gcc                       # 重新链接gcc
sudo mv g++ g++.bak                        # 备份
sudo ln -s g++-5 g++                       # 重新链接g++

# 查看系统的gcc版本是否已更改
gcc --version

安装cuda

去cuda官网下载cuda-9.0的run文件安装包，同时将四个更新包一起下载下来。

sudo sh cuda_9.0.176.384.81_linux.run 

注意:

• 有个让你选择是否安装驱动时（Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?），选择否：因为前面我们已经安装了新的驱动，所以这里不要选择安装。

# 安装更新包
sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run

下面添加环境变量

sudo gedit ~/.bashrc
 
# 在文件最后添加
export  PATH="$PATH:/usr/local/cuda-9.0/bin"
export  LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64"

# 更新
source ~/.bashrc

验证cuda是否安装成功

# 检查是否安装成功
nvcc -V

# 用自带例子测试
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery 
sudo make 
./deviceQuery

若测试成功，出现你的GPU的信息，则证明cuda安装完成。

安装cuda对应的cuDNN

安装与Cuda-9.0版本对应的Cudnn。去官网下载三个deb安装包。

按照下面的顺序分别安装三个deb包。

sudo dpkg -i 'Runtime Library.deb'
sudo dpkg -i 'Developer Library.deb'
sudo dpkg -i 'Code Sample and User Guide.deb'
sudo apt-get update

验证cuDNN是否安装成功

# 若安装成功，则会出现Test Passed
cd /usr/src/cudnn_samples_v7/mnistCUDNN
sudo make
./mnistCUDNN

2.配置虚拟环境安装tensorflow-gpu

我查询当前的python版本为3.7，所以我创建一个python版本为3.6的虚拟环境。

# 创建虚拟环境指令
# 指定环境名为tf6
# 指定python版本为3.6
conda create -n tf36 python=3.6     

# 激活虚拟环境
# 成功之后，最前面会出现(tf36)
conda activate tf36

下面我们在虚拟环境中安装tensorflow-gpu。

# 可以指定版本安装，不指定的话默认安装最新的稳定版本
# tensorflow-object-detection-api中指定版本>=1.12.0。
# 我装的是1.12.0
pip install tensorflow-gpu==1.12.0
pip install tensorflow-gpu

我们用下面指令查询，若能看到tensorflow-gpu及版本号出现即为安装成功。

conda list

3.安装Tensorflow Object Detection API

这里是官方安装教程。我们已经安装过tensorflow-gpu，下面我们按照教程安装其他依赖。

注意：

• protobuf最好按照里面的手动安装方式来安装

4.运行样例

打开jupyter notebook，运行里面的research/object_detection/object_detection_tutorial.ipynb。

jupyter notebook

若是显示没有jupyter notebook，用下面命令安装：

conda install jupyter notebook

完成。

5.运行Demo遇上的问题

Demo中文件下载太慢

先下载下来，解压在research/object-detection文件夹下，再将demo中的下载模块注释掉，再次运行即可。
链接: https://pan.baidu.com/s/1QeHJXY8FmmSwaBQVck703w 提取码: 6ixq

图像无法显示

参见这里