再战深度学习

1.下载CIFAR   公司直接下载  经常中断

先下载GIT软件  输入Github网址

D:\Git>git clone https://github.com/tensorflow/models.git

下载成功。

 

导入后又有一堆错误，首先是没有

import tensorflow_datasets as tfds

ModuleNotFoundError: No module named 'tensorflow_datasets'

打开Anaconda3的Anaconda Prompt  下载

(base) C:\Users\shenjw>activate ttt

(ttt) C:\Users\shenjw>pip install tensorflow-datasets

下载完成后又有如下错误：   该函数已经消失了  

    cifar10.maybe_download_and_extract()

AttributeError: module 'cifar10' has no attribute 'maybe_download_and_extract'

只能重新下载http://www.cs.toronto.edu/~kriz/cifar.html

 

路径不知如何匹配。

语音识别  没有数据源  下载数据集的过程总是很艰辛。

 

 

2.成功实现图像识别  使用已经训练好的模型Inception_ResNet_v2

几个关键点：

D:\Git\models\research\slim

路径必须正确  是在Git中下载的models中的Slim下新建.py

其次下载得到的inception_resnet_v2_2016_08_30.ckpt需要放置在同一文件夹下

3.调用vgg19模型进行图像检测

报错：

 

 

无法使用vgg_preprocessing    似乎已经不在preprocessing中  网上未有解决方案。

 

4.实物检测模型——Object Detection API

下载protobuf  选的2.6版本   目的是把.proto文件转化为py文件

 

 

D:\Git\models\research>for /f %i in ('dir /b object_detection\protos\*.proto') do protoc object_detection\protos\%i --python_out=.

编译后

勉强成功，但与预期有所差别。

下载预训练的模型，以ssd_mobilenet_v1为例。

实际操作：

模型和py文件都置于D:\Git\models\research\object_detection文件夹下：

有诸多错误：
 

D:\Git\models\research>python object_detection/builders/model_builder_test.py

E:\anaconda3\Lib\site-packages

protobuf的版本是一个问题，最好使用最新版本；这里使用低版报错：

object_detection/protos/ssd.proto:87:3: Expected "required", "optional", or "repeated". object_detection/protos/ssd.proto:87:12: Expected field name.
 

 D:\Git\models\research>for /f %i in ('dir /b object_detection\protos\*.proto') do protoc object_detection\protos\%i --python_out=.

重新运行上述操作，成功。

在检测API是否正常时，进入目录models\research， 运行命令行：python object_detection/builders/model_builder_test.py    

 此处错误为：ImportError: No module named 'object_detection'
 

在目录models\research下运行：

python setup.py build

python setup.py install

在目录model\research\slim下运行：

pip install -e .

 

 返回上级目录：

然后验证object_detection是否成功安装：

D:\Git\models\research>python object_detection/builders/model_builder_test.py

终于成功了！

 

但是，对实例进行操作时，运行成功但没有出现预期的可视化图片！！！！！！

人傻了 

偶尔又会出现错误  

 

 

object detection API 训练自己数据时报错 Windows fatal exception: access violation

 

 

 

 

老老实实装GPU版本  但是也不一定能用  我太南了  我上辈子可能是个周震南  或者麻将南

https://blog.csdn.net/hq86937375/article/details/79696023

此文章有对CPU和GPU的一些见解

由于tensorflow默认分布是在没有CPU扩展的情况下构建的，例如SSE4.1，SSE4.2，AVX，AVX2，FMA等。默认版本（来自pip install tensorflow的版本）旨在与尽可能多的CPU兼容。另一个观点是，即使使用这些扩展名，CPU的速度也要比GPU慢很多，并且期望在GPU上执行中型和大型机器学习培训。