Windows10下使用object detection api遇到的问题

Windows下 使用object detection api遇到的问题

我使用的软件环境及其容易遇到的坑:

Win10,gtx1060,python 3.6.8,cuda 9.2,cudnn 7.5.1.10,vs2015,tensorflow=>1.12(必须),anconda,pycharm
基本按照官网给出的配置安装环境即可
不过有些包的版本问题可能会引起许多坑,如编译问题,版本不匹配等问题
主要是其中的cocoapi这个是给ubutun配置的,不过现在已经有大神编写了适合windows系统的cocoapi
若cocoapi安装有问题一般都是你Visual C++ 2015 build tools有问题,你可以重新安装下,Visual C++2015 build tools下载地址
其他都比较容易安装使用的。

记得把下载好的api中的research及其research\slim的路径写在一个txt里面并修改成tensorflow_path.pth文件,下面是配置的路径,并把tensorflow_path.pth放置在你python环境包中Lib\site-packages中,可参考下图。
D:\Tensorflow_object_detection\models-master\research
D:\Tensorflow_object_detection\models-master\research\slim
在这里插入图片描述
object detection api使用过程中容易遇到的问题及其解决方法:
若遇见下面这种错误就是打不开或者不能创建文件夹看啊看你是否路径是否有误。
OP_REQUIRES failed at save_restore_v2_ops.cc:109 : Not found: Failed to create a NewWriteableFile :trained_model/ssd_resnet50_v1_fpn_shared_box_predictor_640x640_coco14_sync_2018_07_03/output_model
一般就是你后面接着的路径有问题,该路径不能创建或则不能读取等问题,最好是手动创建或者更换路径,修改路径。

keep_aspect_ratio_resizer(怎么设置min_dimension和max_dimension)
这个在config中是保持长宽比的参数,比如设置min_dimension 600,max_dimension1240,当图片缩放图片,短边会缩放到600,若长边大于1240,则会把长边缩放为1240。

运行的时候ValueError:First step cannt be zero
这个一般会出现在faster rcnn的模型中,若出现了就把config中的
Schedule {
step:0
learning_rate:0.0001
}

这部分代码删去,这部分代码是在训练部分,调节学习率的地方,删去就可运行。

运行的时候容易OOM
修改batch_size=1,多跑epoch。
因为这个是在服务器上运行的模型,因此很吃内存,若内存不足会内存爆炸的,且tfrecord数据读取存储及其数据增强都是在内存中进行而不是显存,因此在个人电脑上会出现内存占用很高,显卡使用率很低,这是正常的,这是写算法的时候考虑到显存始终比内存宝贵,因此很多任务都放在内存上面,显存主要还是用于并行计算。

以上基本是我遇到的坑,若有错误望指正,后续其他问题也会更新。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TensorFlow Object Detection API 是一个开源项目,它提供了一系列基于 TensorFlow 的工具和库,用于实现目标检测任务。对于 macOS 系统,我们可以通过以下步骤来使用 TensorFlow Object Detection API: 1. 安装 TensorFlow:在 macOS 上安装 TensorFlow 是使用 TensorFlow Object Detection API 的前提。你可以通过 pip 命令进行安装,例如在终端中执行 `pip install tensorflow`。 2. 下载 TensorFlow Object Detection API:打开终端并导航到适合你的工作目录中,然后使用 git 命令来克隆 TensorFlow Object Detection API 的 GitHub 仓库,例如执行 `git clone https://github.com/tensorflow/models.git`。 3. 安装依赖项:进入克隆的模型目录中,找到 research 文件夹并进入。然后运行 `pip install -r object_detection/requirements.txt` 命令来安装所需的依赖项。 4. 下载预训练模型:在 TensorFlow Object Detection API 中,我们可以使用预训练的模型来进行目标检测。你可以从 TensorFlow Model Zoo 中下载适合你任务的模型,并将其解压到你的工作目录中。 5. 运行实例代码:在 research/object_detection 目录中,你可以找到一些示例代码,用于训练、评估和使用目标检测模型。可以通过阅读这些示例代码并根据自己的需求进行修改。例如,你可以使用 `python object_detection/builders/model_builder_tf2_test.py` 命令来运行一个模型的测试。 以上是在 macOS 上使用 TensorFlow Object Detection API 的基本步骤,你可以根据你的具体需求进行更多的深入研究和调整。希望这些信息能帮助到你!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值