windows下tensorflow/objectdetection API环境搭建（基于tensorflow1.14和python3.6）

此前就听闻室友说tensorflow在windows下坑很多，这次终于亲身领会到了。以下是参考网上大佬的教程以及自己的踩坑史总结出的有效步骤（亲测有效）

1.下载objectdetection所在的models（文件很大，考虑到国内github的速度，以下的资源均给出码云地址，进入后点击克隆/下载，选择下载方式）

　　https://gitee.com/burningcarbon/tensorflow-models

2.在自己的python环境中安装依赖(给出版本号的必须下载对应版本，否则报错，其余下最新版即可）

　　tensorflow==1.14.0

　　numpy==1.16

　　matplotlib

　　lxml

　　pillow

　　Cython

3.　安装cocoapi（由于该项目官方并不支持windows编译，所以下载大佬的修改版）

　　下载：地址https://gitee.com/burningcarbon/windows-cocoapi　

　　安装：在命令行下进入cocoapi/PythonAPI目录，执行：  python setup.py build_ext install

　　　　注意：

　　　　　　以上命令适用于在全局的python环境安装

　　　　　　如果想要安装在虚拟环境中，则需要执行 python安装路径/python.exe setup.py build_ext install

　　　　　　或者激活虚拟环境，在其中执行原命令即可

　　将PythonAPI目录下的pycocotools复制到research目录下

4.protobuf的编译

　　下载编译器

　　　　进入https://github.com/protocolbuffers/protobuf/releases，在最新版（当前为3.11.4）中，下载Assets中的protoc-3.11.4-win64.zip

　　　　进入models/research目录，执行protoc  object_detection/protos/*.proto --python_out=.

　　　　　　如果报错提示No such file or directory，则一个一个进行编译

　　　　　　　　

　　　　　　　　protoc object_detection/protos/anchor_generator.proto --python_out=.
　　　　　　　　protoc object_detection/protos/argmax_matcher.proto --python_out=.
　　　　　　　　protoc object_detection/protos/bipartite_matcher.proto --python_out=.
　　　　　　　　protoc object_detection/protos/box_coder.proto --python_out=.
　　　　　　　　protoc object_detection/protos/box_predictor.proto --python_out=.
　　　　　　　　protoc object_detection/protos/calibration.proto --python_out=.
　　　　　　　　protoc object_detection/protos/eval.proto --python_out=.
　　　　　　　　protoc object_detection/protos/faster_rcnn.proto --python_out=.
　　　　　　　　protoc object_detection/protos/faster_rcnn_box_coder.proto --python_out=.
　　　　　　　　protoc object_detection/protos/grid_anchor_generator.proto --python_out=.
　　　　　　　　protoc object_detection/protos/hyperparams.proto --python_out=.
　　　　　　　　protoc object_detection/protos/image_resizer.proto --python_out=.
　　　　　　　　protoc object_detection/protos/input_reader.proto --python_out=.
　　　　　　　　protoc object_detection/protos/keypoint_box_coder.proto --python_out=.
　　　　　　　　protoc object_detection/protos/losses.proto --python_out=.
　　　　　　　　protoc object_detection/protos/matcher.proto --python_out=.
　　　　　　　　protoc object_detection/protos/mean_stddev_box_coder.proto --python_out=.
　　　　　　　　protoc object_detection/protos/model.proto --python_out=.
　　　　　　　　protoc object_detection/protos/multiscale_anchor_generator.proto --python_out=.
　　　　　　　　protoc object_detection/protos/optimizer.proto --python_out=.
　　　　　　　　protoc object_detection/protos/pipeline.proto --python_out=.
　　　　　　　　protoc object_detection/protos/post_processing.proto --python_out=.
　　　　　　　　protoc object_detection/protos/preprocessor.proto --python_out=.
　　　　　　　　protoc object_detection/protos/region_similarity_calculator.proto --python_out=.
　　　　　　　　protoc object_detection/protos/square_box_coder.proto --python_out=.
　　　　　　　　protoc object_detection/protos/ssd.proto --python_out=.
　　　　　　　　protoc object_detection/protos/ssd_anchor_generator.proto --python_out=.
　　　　　　　　protoc object_detection/protos/string_int_label_map.proto --python_out=.
　　　　　　　　protoc object_detection/protos/train.proto --python_out=.

　　安装：

　　　　　　命令行进入models/research目录，执行python setup.py install（python虚拟环境的安装同第二步cocoapi的安装）

5.配置环境变量

　　此电脑》属性》高级系统设置》环境变量，找到path，添加 models存放路径/models/research/object_detection

7.安装slim

删除 models/research/slim目录下的BUILD文件，然后命令行下cd 到 models/research/slim目录下，运行: python setup.py install.py（python虚拟环境的安装同上）

8.测试

　　命令行进入models/research路径，运行测试命令python object_detection/builders/model_builder_test.py（python虚拟环境的测试同上）

　　最后出现以下输出则证明环境安装成功