前言

都說Linux是最適合程序員使用的操作系統，這話還真不假。

之前一直在云服務器上跑代碼，近期接手了師兄的臺式機（GTX 1050），雖然配置很渣，但想在本地玩玩看，于是乎先安裝一波Tensorflow Object Detection API。

之前云服上配置的時候十分順利，可是到了windows下很容易進坑，這里簡單整理下踩坑后的總結。

目錄

大致的安裝步驟其實差不多，只是在些細節上會遇到坑，在這些坑上注意避免即可。

• 從GitHub下載官方的存儲庫

• 依賴庫的安裝

• 用protobuf解析API中的一些文件

• 測試API是否安裝成功

• 運行官方教程中的代碼查看效果

具體操作

不談基本依賴庫和框架版本的教程就是耍流氓！

相信在各種博客上查找教程的小伙伴們一定有這種感覺吧。所以先說下自己的版本情況：

• Tensorflow-gpu-1.10.0

• cuda9

• cuDNN7

• Python3.6.8

• Protobuf3.7.1

從GitHub下載官方存儲庫

官方github網站鏈接為：
https://github.com/tensorflow/models

在本地建立文件夾用于存儲（這個自定義即可），然后將官方存儲庫下載到本地，至于是下載壓縮包還是直接git取決于個人喜好就好。下圖即為小詹的本地截圖。

依賴庫的安裝

想運行官方教程，需要的第三方庫有：pillow、lxml、Cython、jupyter、matplotlib、pandas等，如果使用anoconda安裝的Python，大多數第三方庫已經有啦。缺少第三方庫的直接pip install就好了。

另外就是安裝TensorFlow，CUDA，cuDNN了，這里主要是注意版本對應關系，其他的問題應該不大。

用protobuf解析API中的一些文件

官方API需要使用一些proto文件，這里需要用protobuf將其轉換為Python的可運行代碼格式。這些文件放置在官方庫的research\object_detection\protos路徑下。

這里需要使用protobuf將其轉換格式，官方給的轉換執行語句是：

#小詹提醒：在model/research路徑下打開cmd執行下語句
protoc?object_detection/protos/*.proto?--python_out=.

這里就涉及到protoc到版本了，如前面所述，小詹下載TensorFlow-gpu1.10.0點時候自帶了protobuf3.7.1。直接執行這語句會提示：No such file.

是一個小坑了，查閱到官方的issue，有前輩們說說版本小bug，不支持正則查找。有兩種方法，小詹親測有效。

方法一：去官網查找下載使用protoc3.4.0版本，官方地址：https://github.com/protocolbuffers/protobuf/releases
方法二：不支持正則，可以考慮一個個proto文件進行處理轉換，這個在量不大的時候可以這么做。小詹這里把逐個進行轉換命令語句放置在下面，如果你需要可以復制粘貼即可。

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

經過小坑，選擇解決方法后應該就處理完所有的proto文件，轉換成啦對應的py文件。

測試API是否安裝成功

測試API是否安裝成功可以在research路徑下執行下列語句：

python?object_detection/builders/model_builder_test.py

這里肯定是不行的，因為還沒有將必要的路徑加入PYTHON環境中。會出現各種報錯，諸如不能導入****pb之類的或者導入錯誤之類的。

網上教程有的說要先在Anaconda\Lib\site-packages ?文件夾下新建一個txt文件，輸入對應路徑后改名tensorflow_model.pth的，也有其他說法的。

小詹最后親測有效的是直接添加設置即可。將\models;\models\research;\models\research\slim;三個路徑加入pythonpath中，代碼執行如下：(注意前方路徑要換成你自己的)

set?PYTHONPATH=E:\Jan_Project\tf_models;E:\Jan_Project\tf_models\research;E:\Jan_Project\tf_models\research\slim

設置后再次執行測試語句沒有報錯，表示設置完成。

運行官方教程中的代碼查看效果

官方的目標檢測教程路徑在第一步git到本地的文件中，路徑為：

models/research/object_detection/object_detection_tutorial.ipynb

可以中jupyter中打開運行，成功執行結果如下圖。

以上就是中windows系統安裝Tensorflow Object Detection API的過程。注意版本問題和環境問題即可。

祝好！

推薦閱讀：
動態規劃問題學習筆記！

總結

以上是生活随笔為你收集整理的如何在windows系统上安装Tensorflow Object Detection API？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。