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

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。

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。

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。

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。

在cell中选择runAll，正常的话稍等一会儿就会有结果：

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。

运行后，输出结果如下：