1. Tensorflow
根据官网介绍我们可以采取以下方法进行tensorflow的安装
①使用pip
#对于CPU:
pip install tensorflow
# 对于GPU:
pip install tensorflow-gpu
② docker镜像
# 下载最新tensorflow镜像
docker pull tensorflow/tensorflow
# 开启 Jupyter notebook 服务
docker run -it -p 8888:8888 tensorflow/tensorflow
另外tensorflow 还提供在浏览器中使用,Colaboratory是一个Jupyter 笔记本环境,不需要进行任何设置就可以使用,可用来进行一些小的demo调试。对于大型项目不推荐使用。
2. Protobuf
DELF库使用protobuf(python版本)来配置特征提取及其格式。您将需要 protoc编译器,版本> = 3.3。最简单的方法是直接下载。对于Linux,可以采用以下命令进行下载
wget https://github.com/google/protobuf/releases/download/v3.3.0/protoc-3.3.0-linux-x86_64.zip
unzip protoc-3.3.0-linux-x86_64.zip
PATH_TO_PROTOC=`pwd`
3. Python依赖项
# 安装python库依赖项
pip install matplotlib numpy scikit-image scipy
4. tensorflow/models
克隆tensorflow/models并安装所需的库
git clone https://github.com/tensorflow/models
安装slim并添加环境变量
cd models/research/slim/
pip install -e .
cd ..
export PYTHONPATH=$PYTHONPATH:`pwd`
将object_detection库添加到环境中
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
编译DELF的protobufs
cd delf
${PATH_TO_PROTOC?}/bin/protoc delf/protos/*.proto --python_out=.
安装DELF包
sudo pip install -e .
5.测试
python -c "import delf"
无errors即成功
6. 注意和问题
ps: 由于上述添加环境变量的方法,并没有将其添加到系统变量中,docker的环境,在容器commit成images后,新容器就要重新添加python路径,而在pycharm中运行的时候 每次run的时候要对相应的文件进行配置,run -> edit configurations-> environment variables(配置),十分麻烦。 所以在安装时,可以一次性将其配置到系统环境中。
1)问题: import matplotlib.pyplot as plt, ImportError: libGL.so.1: cannot open shared object file: No such file or directory
解决方式:
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
2)问题:ImportError: cannot import name ‘_validate_lengths’
解决方式:安装高版本的scikit-image
pip install scikit-image==0.14.2