Tensorflow和Tensorflow Object Detection API的安装（Windows系统下，手把手教你装）

写在前面

1. 安装环境：
Windows10 64bit

2. 软件包：

1. Tensorflow 1.13.1
2. Tensorflow Object Detection API (r1.13.0)
3. LabelImg
4. Anaconda 64bit 最新版本
5. Python 3.6
6. COCO API
7. Git
8. IDE软件

看到这么多软件不要慌，下面将详细讲解安装步骤。

1. Anaconda安装

新手上路为了避免Tensorflow安装后无法运行，建议已安装过Anaconda软件和Python的同学，将电脑上的Anaconda和Python卸载干净后重新下载安装。所谓置之死地而后生，本人曾经安装了多次都没有成功，各种依赖包版本问题，最终选择了卸载。

1. 下载与安装

1. 请在官网下载最新版本的：Anaconda.https://www.anaconda.com/products/individual
   
2. 注意：选择64位版本，下载后进行安装，安装过程默认即可，需要注意的是Advanced Options时勾选第一项，如图：
   

2. 测试

1. 安装完成后，启动Anaconda Navigator，如图所示。打开过程可能较慢，请耐心等待···
   
2. 按照图示，打开终端。
   
3. 输入如下，若打印出字符则认定Anaconda和Python都安装完毕。

python
print("Hello,Anaconda")

3. 设置软件包下载服务器

为避免官方下载速度较慢，请打开Anaconda Prompt，按照如下代码更新国内的软件源。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
 
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

其他源地址和配置方法，请参考该链接.

4. 配置虚拟环境

配置Anaconda里Tensorflow的虚拟环境，如图所示：

2. Tensorflow的安装

1. 打开Anaconda Navigator，选择环境—tf_gpu绿色三角按钮—打开终端，如图所示：
   
2. 输入如下代码，激活虚拟环境：

conda activate tf_gpu

3. 输入安装命令：

conda install tensorflow-gpu=1.13.1

注意：一定要用“=1.13.1”，否则conda将安装最新版本的Tensorflow。之后conda会进行一系列的检查和配置，列出安装软件包列表，输入“y”后按，继续安装，静静等待下载和安装。

4. 安装完成后进行测试：
   4.1 win+r 打开终端，激活虚拟环境
   4.2 输入如下代码：

python
import tensorflow as tf
print(tf.__version__)

4.3 打印出版本号即认为Tensorflow安装成功，请特别注意版本号是否为1.13.1。若之前曾安装过Tensorflow其他版本，没有卸载或者删除干净可能会显示之前的版本。

3. Git的安装（选装）

1. 登录 Git官网下载Windows版本的Git，如图：
   
2. 安装时一路默认
3. 测试：任意文件夹右击，出现“Git Bash Here”选项，单击启动Git Bash可启动，说明安装成功。
   

4. TensorFlow Object Detection API框架安装

1. 下载和安装

1. 建立一个用于Tensorflow训练的文件夹，命名为“tf_train”，可根据自己习惯命名。
2. 在“tf_train”文件夹右键，单击Git Bash Here，启动Git Bash。
3. 输入如下命令下载，如下载速度慢或失败，请直接到该链接下载，请注意分支号为1.13.0，如图所示。

git clone -b r1.13.0 https://github.com/tensorflow/models.git

2. 安装软件依赖包

1. 启动Anaconda Navigator 选择环境-tf_gpu-单击绿色三角-打开终端。输入如下命令进行依赖包安装：

pip install matplotlib pillow lxml contextlib2 cython opencv-python

2. 若下载速度慢，请切换至国内源，将命令改为：

pip install matplotlib pillow lxml contextlib2 cython opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 配置环境变量

1. 找到Windows环境变量设置界面：右击“我的电脑”-属性-高级系统设置-环境变量
   
2. 系统变量中单击新建：
   变量名：PYTHONPATH
   变量值：xxx\tf_train\models\research;xxx\tf_train\models\research\slim;xxx\tf_train\models\research\object_detection;
   （xxx为tf_train的文件目录）
   

4. COCO API 的安装

1. Visual C++ 2015 的安装

在此链接下载并安装。

2. 下载cocoapi源代码

在tf_gpu里新建“addons”文件夹，在该文件夹下右键，点击“Git Bash Here”，输入如下命令：

git clone https://github.com/philferriere/cocoapi.git

3. 安装

windows 任务栏搜索：Prompt，找到Anaconda Promot，右键管理员运行。

输入命令激活环境：

conda activate tf_gpu

进入PythonAPI文件夹：

d:
cd xxx\tf_train\addons\cocoapi\PythonAPI

输入命令进行安装：

python setup.py install

4. 验证：

激活环境后，进入python后导入包，导入成功说明安装完成。

conda activate tf_gpu
python
import pycocotools

5. 编译proto文件

由于Tensorflow Object Detection API框架使用protobuf工具配置和训练参数。使用conda命令安装tensorflow时已经安装过，可以使用conda list 查看是否安装。

1. 进入到 “tf_train\model\research” 文件夹，地址栏输入“cmd”，激活虚拟环境：

conda activate tf_gpu

2. 输入如下命令进行编译：

for /f %i in ('dir /b object_detection\protos\*.proto') do protoc object_detection\protos\%i --python_out=.

6.案例测试

1. 下载预训练模型：
   下载链接: (https://www.csdn.net/).https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1_detection_zoo.md.
   
2. 将下载的模型解压到“tf_train\model\research\object_detection”文件夹
3. 下载object_detection_example_1.py，复制到object_detection文件夹。
   链接：https://pan.baidu.com/s/19EL8nJ7VPIkONyaQ-bxl7Q
   提取码：27ff
4. 修改“object_detection\utils”文件夹中 visualization_utils.py文件，将26行注释掉。
5. 进入到“object_detection”文件夹，地址行输入“cmd”，激活环境：

conda activate tf_gpu

6. 输入如下命令进行测试，出现小狗和海滩，并检测出物体，说明安装完成。

python object_detection_example_1.py

7.安装Labelimg

1. labelimg可用于图片打标，先激活环境：

conda activate tf_gpu

2. 使用pip安装labelimg，等待安装完成。

pip install labelimg

3. 在虚拟环境输入：labelimg可进入软件界面，表示安装完成。