tensorflow object detection api学习笔记

参考博客：tensorflow object detection api 详细实践教程
基础环境：win10+anaconda3.5 和linux云服务器+anancnda3.5

第一次安装tensorflow object detection api，完全是参考@csdn_6105博客来的，配的过程可能不太对，以后继续更正

安装环境

创建虚拟环境：

• 创建一个虚拟环境conda create -n tensorflow python=3.6，并安装tensorflow 安装tensorflow

接下来安装下面的包：

• conda install -c anaconda protobuf
• 用protoc --version查看安装的版本
  
  关于protoc的安装，还有一种方法说直接下载源码后，解压就可以用的从这里下载

这里是引用

• pip install pillow
• pip install lxml
• pip install Cython
• pip install jupyter
• pip install matplotlib
• pip install pandas
• pip install opencv-python（win10下安装成功）

如果opencv-python安装失败的话，可以选择离线安装，从此网站下载对应版本的whl文件，如win10+python=3.6版本就下载opencv_python-3.4.0-cp36-cp36m-win_amd64.whl文件

或者也可以参考这个链接，直接conda install -c menpo opencv(linux下安装成功)

查看opencv-python版本
import cv2
cv2.__version__

下载API

下载tensorflow目标检测API：tensorflow object detection api

• https://github.com/tensorflow/models，下载的文件夹名称为models-master，里面包含了google开源的模型代码，目标检测源码存放在/research/object_detection目录下。
• 在/research/object_detection/protos/目录下有很多以“.proto”结尾的文件，这些文件需要使用protoc程序编译成python文件。需要下载安装2.6.0以上版本的protoc进行编译。

配置变量

配置API的设置python搜索路径：永久性配置方法-没试过的

临时性方法（已测试）：

• set PYTHONPATH=pwd;pwd\research;pwd\research\slim
• pwd是指解压的API文所在的路径，注意每次激活这个环境时都需要配置一下这个路径
• 例如：set PYTHONPATH=D:\tensorflow_object_detection_api\models-master;D:\tensorflow_object_detection_api\models-master\research;D:\tensorflow_object_detection_api\models-master\research\slim 在D盘中新建一个文件夹tensorflow_object_detection_api，下载的API文件models-master解压在这里
• 或者可以通过右击我的电脑–>属性–>高级系统设置–>环境变量–>新建系统变量的方式进行设置，这样就可以避免重复执行上述指令（永久）

在linux云服务器下：执行下面命令即可
export PYTHONPATH=$PYTHONPATH:/root/tensorflow/models:/root/tensorflow/models/research:/root/tensorflow/models/research/slim
还有种通过修改.bashrc文件来改，通过vi ~/.bashrc打开文件，按键a进入INSERT模式，直接在末尾加上上面的路径即可，再通过Esc+:+wq保存退出，没试过这种，因为我是在创建的虚拟环境中运行的，不清楚修改.bashrc文件后会不会影响其他环境，所以就每次启动环境时，都需要执行以下上面的命令

将API中的.proto文件编译为.py

编译API中/research/object_detection/protos/目录下以“.proto”结尾的文件

参考的博客中是一一列举了所有的.proto文件进行编译，但是我下载的是最新版本的proto里面更新了一些文件，所以也可以用另一个命令进行全部编译

方法一：注意先进入到\models-master/research文件夹下

protoc --python_out=. .\object_detection\protos\anchor_generator.proto .\object_detection\protos\argmax_matcher.proto .\object_detection\protos\bipartite_matcher.proto .\object_detection\protos\box_coder.proto .\object_detection\protos\box_predictor.proto .\object_detection\protos\eval.proto .\object_detection\protos\faster_rcnn.proto .\object_detection\protos\faster_rcnn_box_coder.proto .\object_detection\protos\grid_anchor_generator.proto .\object_detection\protos\hyperparams.proto .\object_detection\protos\image_resizer.proto .\object_detection\protos\input_reader.proto .\object_detection\protos\losses.proto .\object_detection\protos\matcher.proto .\object_detection\protos\mean_stddev_box_coder.proto .\object_detection\protos\model.proto .\object_detection\protos\optimizer.proto .\object_detection\protos\pipeline.proto .\object_detection\protos\post_processing.proto .\object_detection\protos\preprocessor.proto .\object_detection\protos\region_similarity_calculator.proto .\object_detection\protos\square_box_coder.proto .\object_detection\protos\ssd.proto .\object_detection\protos\ssd_anchor_generator.proto .\object_detection\protos\string_int_label_map.proto .\object_detection\protos\train.proto .\object_detection\protos\keypoint_box_coder.proto .\object_detection\protos\multiscale_anchor_generator.proto .\object_detection\protos\graph_rewriter.proto .\object_detection\protos\calibration.proto

方法二：全部直接编译，在\models-master/research/文件夹下输入

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

安装目标检测API

编译结束后，继续在当前窗口也就是research下安装API：

(tensorflow) D:\tensorflow_object_detection_api\models-master\research>python setup.py build
(tensorflow) D:\tensorflow_object_detection_api\models-master\research>python setup.py install

测试API安装成功没

安装好了，开始测试该API是否安装成功：
在步骤3.5执行完以后，我们cd到builders目录下，然后执行python model_builder_test.py 如果没报错的话，则表示安装成功（我的没有粗线参考博客上的那样子）。

修bug

开始bug了，不同的环境也有不同的bug，分别在win10+ananconda和linux云服务器上安装了：

1. ModuleNotFoundError: No module named ‘tf_slim’
   解决方法：进入到models-master/research/slim/文件夹下，运行python setup.py install
2. /root/anaconda3/envs/tensorflow/lib/python3.6/site-packages/tensorflow/python/framework/dtypes.py:516: FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / '(1,)type，大段大段的警告
   解决方法：网上说时numpy版本过高，win10和linux都遇到了，降降版本后，亲测可以 pip install numpy==1.16.4
   
3. ModuleNotFoundError: No module named ‘absl’
   解决方法：pip install absl-py
   
4. 还有ModuleNotFoundError: No module named ‘tensorflow.compat’
   解决方法：说是因为tensorflow版本问题，win10遇到了，linux木有(tensorflow=1.14.0)，
   反正就是重装tensorflow吧pip install tensorflow==1.14
   
5. win10还遇到过未找到文件的，那是因为在proto编译时，列举名称编译的，漏掉了一些，再重新编译下即可
   
6. 之后就是缺啥安啥

测试官方demo

测试官方demo：退回object_detection目录下，然后输入jupyter notebook，在跳出的浏览器页面上，打开.ipynb文件

在(win10)D:\tensorflow_object_detection_api\models-master\research\object_detection\colab_tutorials文件夹下有demo
打开object_detection_tutorial.ipynb文件


检测结果：

通过在终端中按 Ctrl + C（Mac及Linux上是按两次Ctrl + C），可以关闭整个服务器。这会立即关闭所有运行中的 notebook，所有未保存的内容会丢失。