tensorflow/model object dectection api安装（翻译）

tensorflow/model

github地址：https://github.com/tensorflow/models/tree/master/
tensorflow/model是tensorflow相关的一个库，其中包括一些tensorflow官方教程包含的一些demo和官方博客的一些代码片段，但更重要的有许多各个方向训练过的模型，可以通过下载这些模型，然后利用这个库用自己的数据集来快速的微调（finetune)这些模型。

object detection 环境搭建（翻译）

github地址：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md

windows下的环境搭建

在官方安装教程中，只提供了linux和MACOS的安装教程，如果想在windows上跑，一是参考教程，寻找windows上类似的命令，二是在youtube上有在window10上从搭建环境到训练一个扑克牌检测的全过程的视频
视频地址：[https://www.youtube.com/watch?v=Rgpfk6eYxJA]
(https://www.youtube.com/watch?v=Rgpfk6eYxJA)
gitbub上的对应文本教程地址：
https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10

git克隆tensorflow/models库

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

tensorflow目标检测api的依赖库：

• Protobuf 3.0.0
• Python-tk
• Pillow 1.0
• lxml
• tf Slim (which is included in the “tensorflow/models/research/” checkout)
• Jupyter notebook
• Matplotlib
• Tensorflow (>=1.12.0)
• Cython
• contextlib2
• cocoapi

安装tensorflow

pip install tensorflow #没有gpu
pip install tensorflow-gpu #有gpu

安装别的依赖库

在unbuntu 16.04上可以用apt-get安装：

sudo apt-get install protobuf-compiler python-pil python-lxml python-tk
pip install --user Cython
pip install --user contextlib2
pip install --user jupyter
pip install --user matplotlib

当然，也可以用pip安装：

pip install --user Cython
pip install --user contextlib2
pip install --user pillow
pip install --user lxml
pip install --user jupyter
pip install --user matplotlib

注意：有的时候"sudo apt-get install protobuf-compiler"会安装Protobuf 3.几的版本，而有的用户在使用3.5时会遇到问题。如果你就是这样的，你可以试试下面的手动安装。

coco api安装

如果你想用COCO的检测评估指标，下载cocoapi,并将其拷贝到 tensorflow/models/research directory目录下，

git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
make
cp -r pycocotools <你放tensorflow/model的路径>/models/research/

默认的参数基于那些在Pascal VOC评估中使用的那些参数
如果你想要使用COCO目标检测参数，在config文件中的"eval_config"中增加metrics_set: "coco_detection_metrics",如果想要使用COCO的实例分割参数，在配置文件中的"eval_config"中增加metrics_set: "coco_mask_metrics"

Protobufs编译

Tensorflow 目标检测API用Protobufs来配置模型和训练参数。在框架可以用之前，Protobufs库必须被编译。下面的操作必须在tensorflow/models/research目录下做。

# From tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.

如果编译时报错，可能你用了一个不匹配的Protobufs编译器，如果是这样的话，用用下面的手动安装方法吧

手动安装Protobufs编译器

如果你是linux用户：
下载protoc的3.0release版本，然后解压这个文件。

# From tensorflow/models/research/
wget -O protobuf.zip https://github.com/google/protobuf/releases/download/v3.0.0/protoc-3.0.0-linux-x86_64.zip
unzip protobuf.zip

重新编译一次，但是用下载的这个版本

如果你是MacOS用户：
如果你有homebrew，你可以用

brew install  protobuf

来安装protobuf或者用

curl -OL https://github.com/google/protobuf/releases/download/v3.3.0/$PROTOC_ZIP
sudo unzip -o $PROTOC_ZIP -d /usr/local bin/protoc
rm -f $PROTOC_ZIP

来安装。

然后再跑一次编译过程：

# From tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.

设置 PYTHONPATH环境变量

# From tensorflow/models/research/
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

测试有没有安装好

python object_detection/builders/model_builder_test.py

打印ok则说明安装好了