在Github的tensorflow官网里,可以找到Tensorflow的模型花园(Model Garden),里面有很多tensorflow的SOTA(state-of-the-art )模型和项目。https://github.com/tensorflow/models
我们只关注其中在research下的一个项目:object_detection(目标检测)。为前面安装好的WSL和Anaconda配置一个tensorflow的运行环境,能够运行起来这个目标检测项目下的Jupyter notebook:object_detection_tutorial.ipynb,网上和许多计算机视觉书籍都有关于这个目标检测代码的解释。https://github.com/tensorflow/models/tree/master/research/object_detection
通过git下载这个models目录(其实只有research目录有用)非常费时间,网络上已经有人下载好了,大家可以到百度搜索这个网盘资源,但是从Github可以下载到最新的版本(目前还在有部分更新)。
把research目录移动到home目录下,现在开始安装tensorflow。
激活前面已经创建好的tensorflow:
source activate tensorflow
- 安装1.14版本的tensorflow
conda install tensorflow=1.14
- 降级numpy到1.16
安装完成后,用conda list命令可以查看到numpy可能是高于1.16版本的1.18,只是后需要降级安装。安装命令如下:
conda install numpy=1.16
- 编译proto文件
进入到刚才下载的research目录,用protoc命令生成protos目录下proto协议文件的python文件。
protoc object_detection/protos/*.proto --python_out=.
Google Protocol Buffer( 简称 Protobuf) 是 Google 公司内部的混合语言数据标准。他们用于 RPC 系统和持续数据存储系统。提供一个具有高效的协议数据交换格式工具库(类似Json)。
但相比于Json,Protobuf有更高的转化效率,时间效率和空间效率都是JSON的3-5倍。
可用于通讯协议、数据存储等领域的语言无关、平台无关、可扩展的序列化结构数据格式。protoc是proto文件的编译工具。
- 运行research目录下的setup.py
python setup.py buildpython setup.py install
- 创建模型测试
还在reaserch目录下,运行创建模型的测试文件
python object_detection/builders/model_builder_test.py
这时会报一些没有找到模块的错误,一一搜索百度安装即可。
例如:ModuleNotFoundError: No module named 'matplotlib'
conda install matplotlib
当测试通过,会看到如图结果:
- 运行jupyter服务
jupyter notebook
由于WSL没有安装可视化的图形界面,就没有浏览器可以调出,所以只能拷贝上图中的链接地址,在Windows下打开浏览器输入。看到如下的网页:
在object_detection目录下找到这个.ipynb的文件,点击打开。
点击上面的Run按钮可以单步调试运行,如果只是警告,可以得到最后运行的结果如图:
- 前面可能遇到的问题:
- 如果安装了2.0版本的tensorflow,需要卸载根除所有tensorflow版本,再重新安装
conda uninstall tensorflow
- ModuleNotFoundError: No module named 'absl'
conda install absl-py
- ModuleNotFoundError: No module named 'PIL'
conda install pillow
- AttributeError: module 'tensorflow' has no attribute 'contrib'
Tensorflow 需要降级, 如果是 'keras' 需要tensorflow升级