我的AI之路(19)--如何在Windows下安装pycocotools PythonAPI

    当你在Windows下执行Tensorflow object_detection的脚本时可能会如下报错：

 这时因为object_detection下面默认是没有包含cocotools的python实现代码的，Anaconda默认也没提供这个库，需要安装pycocotools，但如果你执行:

   python -m pip install pycocotools

又可能会出现如下错误：

     这说明你的Windows下没有c/c++代码编译环境(因为pycocotools的主站点源码https://github.com/cocodataset/cocoapi默认只提供了源码，没有针对各平台编译好了的release，而且声称将来不支持Windows! )，这个不是简单安装个MS VC就行了(你会发现安装了还是报这个错)，需要到这里下载visualcppbuildtools_full.exe来安装。

      安装编译环境完后，再执行python -m pip install pycocotools，结果还是报错，说invalid numeric argument '/Wno-cpp' ：

   这是因为pip安装默认下载的源码是不支持Windows上编译的，需要从一个让pycocotools PythonAPI支持使用Windows和Python 3 来build的clone站点https://github.com/philferriere/cocoapi来安装，执行下面的命令：

        pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

结果很快就下载编译并安装成功了：

      补充：

       近来发现以执行 pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI 来下载、编译和安装pycocotools Python API时git经常下载不了源码，出现连接超时之类的错误，尝试换了下面的办法很快就弄好了：

       先执行git https://github.com/philferriere/cocoapi.git下载源码到本地，如果不行直接打开网站https://github.com/philferriere/cocoapi，然后点击clone or download下载源码的zip包到本地并展开到cocoapi-master，然后执行:

        cd cocoapi-master\PythonAPI\

        #下面两个命令酌情选择其中之一或者两个都执行也没什么，使用过conda的很好理解，这两个命令分别用于安装pycocotools Python API到当前本地环境env和安装到base(或叫root)环境：

       # install pycocotools locally

        python setup.py build_ext --inplace

       # install pycocotools to the Python site-packages

        python setup.py build_ext install

       #删掉编译时生成的临时目录，其实删不删无所谓，空闲空间足够大时无所谓这点点

        rm -rf build

即可完成安装，没错，就是这么简单！所以建议本地保存一份这个源码，以备日后需要安装环境时https://github.com/philferriere/cocoapi.git连不上。

我的AI之路(1)--前言

我的AI之路(2)--安装Fedora 28

我的AI之路(3)--安装Anaconda3 和Caffe

我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8

我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

我的AI之路(6)--在Anaconda3 下安装PyTorch

我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm

我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题

我的AI之路(9)--使用scikit-learn

我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误

我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误

我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误

我的AI之路(14)--Caffe example：使用MNIST数据集训练和测试LeNet-5模型

我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决

我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境

我的AI之路(17)--Tensorflow和Caffe的API及Guide

我的AI之路(18)--Tensorflow的模型安装之object_detection

我的AI之路(19)--如何在Windows下安装pycocotools PythonAPI

我的AI之路(20)--用Tensorflow object_detection跑raccoon数据集

我的AI之路(21)--用Tensorflow object_detection跑PASCAL VOC 2012数据集

我的AI之路(22)--使用Object_Detection_Tensorflow_API

我的AI之路(23)--在Windows下编译Bazel和使用Bazel编译tensorflow