TensorFlow2.0 学习笔记六 基于object_detection的目标检测一 正确在GPU上使用安装object_detection

前言

在前面文章，已经完成了在Docker里面运行代码，并且在外部的Pycharm中调试，基本上Tensorflow的官方教程上面简单的东西都可以跑，接下来开始整理目标检测。

目标检测首先就要认清楚两个东西，现在官方推荐使用models.official.vision进行，但目前位置文档较少，无法很好的开始。所以用版本1流行的models.research.object_detection，目前该模块已经添加了对版本2的支持，虽然已经弃用。

上面提到的仓库在下面连接

https://github.com/tensorflow/models/tree/master/official/vision

 https://github.com/tensorflow/models/tree/master/research/object_detection

均来自models仓库

https://github.com/tensorflow/models/tree/master

设置下镜像（可选）

为了国内安装速度快一些，不要总是失败，建议安装下镜像源

# 升级pip
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
# 设置全局镜像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

安装Object Detection API

下载TensorFlow  Model Gardedn

里面是一些模型库和支持API的包

GitHub - tensorflow/models: Models and examples built with TensorFlow

使用git clone或直接下载zip然后解压

git clone https://github.com/tensorflow/models.git

Protobuf安装和编译object_detection

前往Releases · protocolbuffers/protobuf · GitHub下载对应版本的protoc，主要是使用里面的脚本

在服务器上解压

unzip protoc-24.3-linux-x86_64.zip -d protoc

设置临时环境变量，根据自己的路径来设置，设置的是protoc/bin

export PATH=$PATH:/home/protoc/bin

进入到路径research进行编译，需要根据自己的目录来

cd /home/fun4/tensorflow/models/research

protoc object_detection/protos/*.proto --python_out=.

安装COCOAPI

pip install pycocotools

 安装object_detection

需要在models.research目录下

cp object_detection/packages/tf2/setup.py .
python -m pip install .

测试安装

python object_detection/builders/model_builder_tf2_test.py

from: TensorFlow2.0 学习笔记六 基于object_detection的目标检测一 正确在GPU上使用安装object_detection_shaynerain的博客-CSDN博客