Install Tensorflow Object Detection API-Linux

最新推荐文章于 2024-03-13 16:28:28 发布
最新推荐文章于 2024-03-13 16:28:28 发布
阅读量719 收藏 3
点赞数 1
分类专栏： linux软件安装 文章标签： ObjectDetection tensoflow API
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45033722/article/details/124160625
版权

官方网址

1. Downloading the TensorFlow Model Garden

在这里插入图片描述

2. Protobuf Installation/Compilation

在这里插入图片描述
注意这里，我一开始下载的protos 3.20版本，在执行到最后一步时，出现了下面问题：

Traceback (most recent call last):
  File "object_detection/builders/model_builder_tf2_test.py", line 24, in <module>
    from object_detection.builders import model_builder
  File "/home/liujiawang/anaconda3/envs/env_flow/lib/python3.7/site-packages/object_detection/builders/model_builder.py", line 23, in <module>
    from object_detection.builders import anchor_generator_builder
  File "/home/liujiawang/anaconda3/envs/env_flow/lib/python3.7/site-packages/object_detection/builders/anchor_generator_builder.py", line 26, in <module>
    from object_detection.protos import anchor_generator_pb2
  File "/home/liujiawang/anaconda3/envs/env_flow/lib/python3.7/site-packages/object_detection/protos/anchor_generator_pb2.py", line 5, in <module>
    from google.protobuf.internal import builder as _builder
ImportError: cannot import name 'builder' from 'google.protobuf.internal' (/home/liujiawang/anaconda3/envs/env_flow/lib/python3.7/site-packages/google/protobuf/internal/__init__.py)

后来经过查证，应该是版本问题，随后下载3.15.5版本就成功了。

其中，设置环境变量，如下图所示：
在这里插入图片描述

3. COCO API installation

在这里插入图片描述

4. Install the Object Detection API

在这里插入图片描述

4. Test your Installation

在这里插入图片描述
成功后显示：

在这里插入图片描述

大笨钟47
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Raspberry_ObjectDetection_Camera:Raspberry3B +，OpenCV，SSDmobile上的Tensorflow ObjectDetectionAPI
05-11
Raspberry3B +，OpenCV，SSDmobile上的Tensorflow ObjectDetectionAPI 1.下载SSDmobile模型并安装Tensorflow # Install TF1.8.0 pip install tensorflow-1.8.0-cp27-none-linux_armv7l.whl # Get model tar -xzvf ...
Google tensorflow object detection API install
qq_32799915的博客
08-01 377
官方连接：https://github.com/tensorflow/models/blob/master/object_detection/g3doc/installation.md Installation Dependencies Tensorflow Object Detection API depends on the following libraries: · Protobu
ImportError: cannot import name ‘builder‘ from ‘google.protobuf.internal‘ 报错分析与解决
sangedianhao的博客
03-13 1890
在TensorBoard使用结束，想要继续进行模型的训练、评估时，出现上面的问题。
在Windows下使用Tensorflow Object Detection API
weixin_41946146的博客
01-18 267
在Windows下使用Tensorflow Object Detection API 参考网址：https://www.jianshu.com/p/21bae50b6e0d https://www.cnblogs.com/mar-q/p/7459845.html 环境 Windows7/10 Python 3.6 Tensorflow-gpu 1.2 CUDA Toolk...
tensorflow object detection API 详细实践教程
weixin_36670529的博客
06-05 1042
最近由于研究方向的更换，接触到了目标检测（Object Detection）领域，觉得很有意思，并且阅读了该方向的相关经典文献，包括Fast-RCNN、Faster-RCNN、SSD、YOLO以及RetinaNet等。复现别人代码并且能够得到在公开数据集上和原作者相近甚至相同的实验结果对于我们做研究甚至以后的工作来说是至关重要的。 Step1: 预准备的东西 1.1：Windows操作系统或者.........
TensorFlow Object Detection API
aoyi2011的博客
11-22 238
1.TensorFlow Model模型库 https://github.com/tensorflow/models TensorFlow 模型库包含了很多开源的模型，包括图像分类、检测、自然语言处理NLP、视频预测、图像理解等等，我们要学习的对象检测api也包括在这里面。 如果想要训练自己的模型，需要下载它的源码 TensorFlow学习过程中需要学习和参考的...
使用TensorFlow Object Detection API进行目标检测
weixin_30257433的博客
08-12 276
2017年6月，Google公司开放了TensorFlow Object Detection API。这个项目使用TensorFlow实现了大多数深度学习目标检测框架，其中就包括Faster R-CNN。 一、实现官方给的目标检测的示例教程1、下载TensorFlow Object Detection API在github上该API存放在tensorflow/models项目下，下载...
TensorFlow object detection API应用--配置
weixin_34273046的博客
09-17 444
目标检测在图形识别的基础上有了更进一步的应用，但是代码也更加繁琐，TensorFlow专门为此开设了一个object detection API，接下来看看怎么使用它。 object detection API 配置 首先，能到目标检测了应该至少已经安装好了TensorFlow及其相关依赖。这里主要讲在TensorFlow可以正常使用的基础上目标检测API的配置。 （1）下载Tenso...
TensorFlow Object Detection API 超详细教程和踩坑过程
zhoubangbang1的博客
08-18 3486
安装Anacond：https://blog.csdn.net/ITLearnHall/article/details/81708148 安装Pycharm:https://blog.csdn.net/qq_15698613/article/details/86502371 一:MyQR 生成动态二维码100个 import random from MyQR import myqr imp...
TensorFlow 2 Object Detection API 教程: 安装
《好好先生》专栏
03-27 3275
TensorFlow 2 Object Detection API 教程 本教程针对的是TensorFlow 2.4，它是TensorFlow 2.x的最新稳定版本。 这是一个循序渐进的教程/指南，设置和使用TensorFlow’s Object Detection API来执行，即在图像/视频中的对象检测。 我们将在本教程中使用的软件工具如下表所示: OS Windows, Linux Python 3.8.8
TensorFlow 2 Object Detection API 环境搭建与测试（Windows)
Firmin123456的博客
03-03 1685
参照博主dy_guox的帖子： 原文地址 搭建环境，但是原贴是原博主一年多之前所写，我的搭建过程中有一些弯路。 把更新的搭建过程记录下来。 因为我的旧电脑是win7系统，无法安装最新版的cuda,因此选择和原博主一样的版本，版本虽然旧但不影响学习。 系统配置 Software versions OS Windows, Linux Python 3.8 TensorFlow 2.2.0 CUDA Toolkit 10.1 CuDNN 7.6.5 Anaconda Navi
tensorflow-1.9.0-cp35-none-linux_armv7l.zip
08-27
树莓派32位官方环境配置tensorflow，无需编译，只需pip install即可配置环境，肥肠好用
tensorflow-1.11.0-cp35-none-linux_aarch64.whl
12-02
pip3 install tensorflow-1.11.0-cp35-none-linux_aarch64.whl
Object-Detection-With-Tensorflow:使用Tensorflow进行对象检测
04-11
cd Object-Detection-With-Tensorflow pip install --user -r requirements.txt 2.运行脚本 python Detector.py 作者 您可以在我的LinkedIn个人资料上与我联系： 萨德·哈桑（Saad Hassan） 您还可以关注我的GitHub...
Object-Detection-Flask-API:Python中一个简单的YOLOv3对象检测API（使用Flask）
05-04
对于我来说，我运行以下命令： pip install torch==1.5.0+cpu torchvision==0.6.0+cpu -f https://download.pytorch.org/whl/torch_stable.htmlgit clone [email protected]:yankai364/Object-Detection-Flask-API.
node-v4.8.6-win-x64.zip
05-07
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
基础运维技能（下）md格式笔记
最新发布
05-07
基础运维技能（下）md格式笔记
node-v8.1.2-linux-armv7l.tar.xz
05-07
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
tensorflow object detection api macos
02-01
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！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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