win10系统使用Faster-RCNN-TensorFlow-python3-master训练自己的数据集(一)

本文详细介绍了在Windows 10系统中如何使用Anaconda创建虚拟环境并安装TensorFlow CPU版,以及如何下载与编译Faster R-CNN框架,包括安装Python依赖库和解决编译过程中遇到的问题。通过这篇教程,读者可以掌握在没有NVIDIA显卡的环境下搭建深度学习环境的方法。
摘要由CSDN通过智能技术生成

前言

本人在win10系统下踩了太多坑,故在此进行归纳总结,光是在win10搭建可以运行的环境就废了很长时间,通过归纳总结,希望以后再遇到此问题时不再彷徨。

1.环境搭建

参考链接:Windows +TensorFlow+Faster Rcnn 详细安装步骤(一).

1)win10下安装TensorFlow

(1)安装Anaconda

下载地址:Anaconda.
下载Anaconda3的各个版本都可,只是在后面安装时需要注意
本人使用的是Anaconda3-4.2.0windows64的版本,此版本本身使用的就是python3.5。
当然如果使用的是上方参考链接的版本Anaconda3-5.0.0也可以,下面的操作不影响。
在这里插入图片描述
如果下载的是Anaconda3-5.0.0版本,或者更高版本使用的是python3.6的Anaconda版本在安装时要注意,如下。
下载完成后双击exe安装,到下面这个界面时,第一个框打钩,把conda添加到环境变量,第二个不勾,如下图,这样就不会更改原本Python默认版本了。
如果是我使用的版本即Anaconda3-4.2.0windows64,或者更低用的python3.5的,第一个框也是必须勾的,第二个本人也框了。
在这里插入图片描述
安装完成后,在cmd中输入conda,出现以下界面,表示安装成功。
在这里插入图片描述
无论安装后的conda中的python版本是3.6的还是3.5的,此处都需要在conda中新建虚拟环境时选择python版本。

(2)新建虚拟环境

在cmd中输入

conda create -n tensorflow python=3.5

执行完上面的命令后,会创建一个名为tensorflow 的虚拟环境,并在此虚拟环境中安装python3.5的版本。

之后的所有工作都是在这个环境下完成的,激活虚拟环境,在cmd中使用命令activate tensorflow,关闭虚拟环境,使用命令:deactivate

(3)选择tensorflow版本

此处本人和上方的参考链接并不相同,参考链接使用的是GPU版本的(需要有NVIDIA显卡),而因为本人的电脑没有NVIDIA显卡,故此处只能使用CPU版本的tensorflow。若要安装GPU版本具体参考上方参考链接。

(4)安装TensorFlow

首先激活虚拟环境tensorflow

activate tensorflow

激活环境后如下所示,后面的操作和在cmd中操作类似了
在这里插入图片描述

在网址:https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/
中如下
在这里插入图片描述
本人选择的是上方的TensorFlow版本进行安装,故需要在已经激活的虚拟环境中输入

pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.3.0rc0-cp35-cp35m-win_amd64.whl

回车进行安装
在这里插入图片描述
安装成功后进行检验。

python

import tensorflow as tf
 
tf.__version__
 
tf.__path__

结果如下,本人的在import tensorflow as tf后出现了很多警告信息,这些并不影响后面的操作。
在这里插入图片描述

2)安装Faster rcnn框架

参考链接: Windows 下 TensorFlow 和 Faster rcnn 详细安装步骤(二).

(1)下载Faster rcnn

本文选择的Windows Faster rcnn python版本代码为 https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5
直接进入点击download下载,可能会下载很慢,建议使用迅雷下载外部资源
在这里插入图片描述
本文下载后解压到了D盘,自己可以选择解压路径。
在这里插入图片描述

(2)安装python依赖库

注意还是要在TensorFlow虚拟环境下安装(如果没有启动虚拟环境,需要先启动activate tensorflow)

pip install cython
 
pip install python-opencv
 
pip install easydict

如果在安装python-opencv时失败,提示找不到相关的库,可以换一种安装方式:

在这个网站上http://www.lfd.uci.edu/~gohlke/pythonlibs/ 查找OpenCV,如下图,选择python3.5版本的,且与自己电脑系统匹配的安装包下载。
在这里插入图片描述
本人直接将其下载到了faster-rcnn的文件中了,如下
在这里插入图片描述
然后在虚拟环境中使用命令安装:

pip install D:\AI\Faster-RCNN-TensorFlow-Python3-master\opencv_python-4.1.2-cp35-cp35m-win_amd64.whl

(3)编译Faster-RCNN的环境

  1. 修改Faster-RCNN-TensorFlow-Python3\data/coco/PythonAPI/setup.py文件:在第15行加上
,
    Extension( 'lib.utils.cython_bbox',
               sources=['../../../lib/utils/bbox.c','../../../lib/utils/bbox.pyx'],
               include_dirs = [np.get_include(), '/lib/utils'], 
               extra_compile_args=[], )

如下图所示:
在这里插入图片描述
2. 由于没有bbox.c和blob.py文件。所以要先在cmd中(tensorflow虚拟环境下)使用cd命令到解压后的文件夹下Faster-RCNN-TensorFlow-Python3\lib\utils目录下执行

cd D:\AI\Faster-RCNN-TensorFlow-Python3-master\lib\utils

python setup.py build_ext --inplace

生成cython_bbox.c和cython_bbox.pyx,然后将这两个改名为bbox.c和bbox.pyx。如下图所示
在这里插入图片描述
3. 在cmd中(tensorflow虚拟环境下)使用cd命令到解压后的文件夹下…/data/coco/PythonAPI目录下,执行以下代码:

cd D:\AI\Faster-RCNN-TensorFlow-Python3-master\data\coco\PythonAPI
 
python setup.py build_ext --inplace
 
python setup.py build_ext install
  1. 执行时如果报错 Unable to find vcvarsall.bat,
    在参考链接中:执行时如果报错 Unable to find vcvarsall.bat,建议安装visual studio 2015,安装时默认的语言是C#和VB,需要把C++也勾上。
    本人的电脑上已经有vs2017(VC15)和vs2013(VC12)了,在执行上述命令时,仍然存在错误,说明需要vc14也就是vs2015的安装环境。实际无需安装vs2015,还有一种方式,参考https://blog.csdn.net/qq_29592829/article/details/79809546
    直接默认安装VisualCppBuildTools_Full.exe即可

  2. 当再次执行上面的命令时可能出现win10 安装scrapy 出现LINK : fatal error LNK1158: cannot run ‘rc.exe’ 错误
    解决方案:https://blog.csdn.net/zaishijizhidian/article/details/88694373

到此,环境算是搭建完了,下一章则进行自己的数据集的训练与测试

评论 1
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

打赏作者

吾名招财

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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