1、开发环境搭建

①、安装Anaconda

  建议选择 Anaconda3-5.0.1 版本,已经集成大多数库,并将其作为默认python版本(3.6.3),配置好环境变量(Anaconda安装则已经配好)。也可以直接安装python,安装各种包比较麻烦,因此直接装了Anaconda集成环境。

  安装完Anaconda后,打开Anaconda Prompt,逐个输入conda --version和python --version,出现下图所示内容则安装成功。

Tensorflow object detection API ——环境搭建与测试-LMLPHP

②、安装TensorFlow

  如果是初学者,我们安装cpu版本的tensorflow足够使用。安装TensorFlow-cpu很简单,打开Anaconda Prompt,输入pip install tensorflow。稍等一会就安装成功。通过输入以下代码,检测是否安装成功。

python

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

  如果输出如下图所示,则安装成功。

Tensorflow object detection API ——环境搭建与测试-LMLPHP

如果输入import tensorflow as tf出现如下警告:

  FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.from ._conv import register_converters as _register_converters。则需要打开Anaconda Prompt,输入pip install h5py==2.8.0rc1解决。

如果输入 sess = tf.Session()出现Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2,则表明TensorFlow版本太低了,需要打开Anaconda Prompt,输入pip install --upgrade tensorflow解决。

③、下载Tensorflow object detection API模型,从https://github.com/tensorflow/models下载。解压文件到磁盘指定目录,例如C:\Users\CFF\Desktop,重命名为models(此包内包括各种内容,我们所用到的object_detection文件夹在C:\Users\CFF\Desktop\models\research文件夹下)

④、Protobuf 编译。从https://github.com/google/protobuf/releases下载windows版的工具,如protoc-3.6.1-win32.zip,解压到C:\Users\CFF\Desktop,生成:bin, include两个文件夹。打开Anaconda Prompt,cd C:\Users\CFF\Desktop\models\research ,输入C:\Users\CFF\Desktop\bin\protoc ,编译结果如下说明可以开始编译。

Tensorflow object detection API ——环境搭建与测试-LMLPHP

Protobuf 编译,用protoc可执行文件编译目录object_detection/protos下的proto文件,生成Python文件。如:C:\Users\CFF\Desktop\bin\protoc object_detection/protos/*.proto --python_out=.。如何出现object_detection/protos/*.proto目录没有发现,可以将*号改成对应的文件逐个编译,生成对应的Python文件。

⑤、测试。打开Anaconda Prompt,cd C:\Users\CFF\Desktop\models\research目录,输入jupyter notebook,跳转到网页界面。

Tensorflow object detection API ——环境搭建与测试-LMLPHP

在cell中选择runAll,正常的话稍等一会儿就会有结果:

Tensorflow object detection API ——环境搭建与测试-LMLPHP

Tensorflow object detection API ——环境搭建与测试-LMLPHP

到此,已经成功完成了环境搭建与测试。

⑥、用来测试自己的图片,改变PATH_TO_TEST_IMAGES_DIR 的路径,我的如下所示。测试图片命名为image1.jpg   image2.jpg... 相应的数量for i in range(1, 3)也要根据自己的图片数量进行改变。

Tensorflow object detection API ——环境搭建与测试-LMLPHP

运行后,输出结果如下:

Tensorflow object detection API ——环境搭建与测试-LMLPHP

Tensorflow object detection API ——环境搭建与测试-LMLPHP

04-28 23:12