在 Object Detection API 的示例代码中包含了一个训练识别宠物的 Demo,包括数据集和相应的一些代码。虽然本课程中我们会自己准备数据和脚本来进行训练,但是在这之前还需要安装一些库、配置一下环境。在配置完成之后,运行一下这个训练宠物的 Demo,以便检查环境配置是否 OK,同时对训练过程先有个整体的了解,然后再准备自己的数据和训练脚本。
安装 Object Detection API
首先下载 Object Detection API 的代码:
git clone https://github.com/tensorflow/models.git(建议下载压缩包,更快)
安装tensorflow-gpu,教程可看官方文档:https://www.tensorflow.org/install/pip
gpu支持:https://www.tensorflow.org/install/gpu
接着是一些依赖库:
pip install pillow
pip install lxml
pip install jupyter
pip install matplotlib
pip install contextlib2
Object Detection API 中的模型和训练参数是使用 protobuf 来序列化和反序列化的,所以在运行之前需要将相应的 protobuf 文件编译出来。
#进入 tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.
成功编译以后可以在 object_detection/protos/ 下找到生成 .py 文件。
注意这里可能需要安装protobuf-compiler,直接sudo apt-get只能得到2.6.1,故可上github上下载压缩包。
到 https://github.com/google/protobuf/releases 下载最新的protoc安装包 protobuf-all-3.x.x.tar.gz
下载完后解压,然后执行下面的命令编译安装:
$ cd protobuf-3.6.1
$ ./configure --prefix=/usr
$ make -j15
$ make check -j15
$ sudo make install -j15
$ sudo ldconfig
接下来将 Object Detection API 的库加入到 PYTHONPATH 中:
#进入 tensorflow/models/research/
打开环境变量