Tensorflow object detection API环境搭建与测试中的问题总结

最近在尝试用Tensorflow object detection API搭建一个自己的物体识别模型，搭建过程也比较繁琐，主要借鉴和学习了其它博客中的方法，也出现一些小问题自己解决了，主要记录一下在安装过程中出现的小问题。

感谢 dy_guox 博主的总结，学习到了很多。

作者：dy_guox

原文地址：https://blog.csdn.net/dy_guox/article/details/79081499

1.Tensorflow有CPU版本与GPU版本，我目前只安装了CPU版本。采用pip原生安装，在Anaconda3-Anaconda Prompt中输入“ pip install --upgrade tensorflow ”。安装是有过两个小问题，一个是pip版本不够，根据提示命令符升级一下就好，另外一个是响应时间超时的问题，这个多试几次，网速好的时候就可以下载完成。

2.protobuf的安装与配置中的小问题，在 https://github.com/google/protobuf/releases  网站中选择windows 版本，解压后将bin文件夹中的【protoc.exe】放到C:\Windowswindows系统，ps:protocful需要选择选择 3.4版本，不然报错： No such file or directory。

3.测试API，在 models/research/ 文件夹下运行命令行：python object_detection/builders/model_builder_test.py。出现  ImportError: No module named 'object_detection' ，需要在   F:\Anaconda\Lib\site-packages  这个文件夹目录下，写一个.pth文件，内容为以下两条路径，再进行测试。

4.数据预处理时的问题，大部分为路径问题，大家执行命令是要看清路径，进行选择。

5.最后训练模型时的问题特别多，显示没有pycocotools，于是我按照教程先安装了vs2015，显示.net fremawork版本太低，于是升级版本，安装vs之后，命令执行显示图2

 

下载Git之后在环境变量path中添加了 C:\Program Files\Git\bin路径，再在cmd中执行pycocotools下载命令，速度可能会比较慢，稍微等一段时间就可以安装成功。

6.继续运行python model_main.py \ --pipeline_config_path=object_detection/training/ssd_mobilenet_v1_coco.config \ --model_dir=object_detection/training \ --num_train_steps=50000 \ --num_eval_steps=2000 \ --alsologtostderr

又出现以下的错误。

解决办法：升级dask即可,直接cmd下，pip install --upgrade dask 

7.训练模型：Anaconda Prompt 定位到 models\research\object_detection文件夹下，运行如下命令：python train.py --logtostderr --train_dir training --pipeline_config_path training/ssd_mobilenet_v1_coco.config 得到以下结果。

这个训练过程中如果出现编译出错问题，要仔细检查自己修改的config文件。我这里运行的train.py文件是models-master\research\object_detection\legacy目录下的。