TensorFlow Object Detection API 安装步骤

1. 介绍

这是Google开源的基于TensorFlow目标检测框架,可以很方便的构建,训练和部署目标检测模型,可以学习其中工程化方面的思路。

2. 安装TensorFlow

pip安装方式:

# 先升级pip,否则可能会报错
pip install --upgrade pip

# GPU版本
pip install  tensorflow-gpu

# CPU版本
pip install  tensorflow

3. 下载TensorFlow Models

进入到 /home 目录下clone

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

最后的文件路径 /home/models/research/object_detection

4. 编译protobuf

Tensorflow Object Detection API 是使用protobufs来配置模型和训练参数。使用框架之前,必须编译protobuf库。

4.1. 安装 protoc

对于protobuf,在Linux下我们可以使用apt-get安装,

sudo apt-get install protoc

Windows下我们可以直接下载已经编译好的版本,
Github:https://github.com/google/protobuf/releases
参考: protobuf 安装与使用 - CSDN博客

4.2. 编译

tensorflow/models/research/目录下运行命令:

protoc object_detection/protos/*.proto --python_out=.

执行完成后在object_detection/protos/目录下生成了若干py文件。

5. 将库添加到 PYTHONPATH环境中

在本地运行时,tensorflow/models/research/slim目录应该被附加到PYTHONPATH中。

方法一:临时添加

# 在 tensorflow/models/research/ 目录下执行
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

方法二:永久添加
为了避免每次都要输入,可以把它作为一个新行添加到 /.bashrc文件。

export PYTHONPATH=$PYTHONPATH:/home/Document/models/research:/home/Document/models/research/slim

6. 测试是否安装成功

# 在 tensorflow/models/research/ 目录下执行
python object_detection/builders/model_builder_test.py

如果输出 OK 表示安装成功K。


技术交流学习,请加QQ微信:631531977
目录