准备

准备大体按照官方文档进行。

检查库

1
2
3
4
5

sudo apt-get install protobuf-compiler python-pil python-lxml python-tk
pip install --user Cython
pip install --user contextlib2
pip install --user jupyter
pip install --user matplotlib

COCO API installation

1

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

下载 Object_Detection

官方链接在这里。这里我没有下载整个 models，在 linux 下面只下载了 Object_Detection。方法如下：

1. 首先安装 svn

   1	sudo apt-get install subversion

2. 确定导出的文件夹 URL, 比如 https://github.com/tensorflow/models/tree/master/research/object_detection?1540622178700 。

3. 首先改为：https://github.com/tensorflow/models/tree/master/research/object_detection
   然后把其中的 tree/master 替换成 trunk。
4. 导出

   1	svn checkout https://github.com/tensorflow/models/trunk/research/object_detection

   Reference：https://blog.csdn.net/why19940926/article/details/78580067

   Protobuf Compilation

   文档里面有详细说明。这里我把 Protobuf 直接加入了路径，执行下面的操作：

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

   最后看到 protos 文件夹下有 python 文件生成，如图；
   

   Add Libraries to PYTHONPATH

   在 Object_Detection 的上一级目录下执行下面代码：

   1 2	# From tensorflow/models/research/ export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

   注意这种方式只对当前命令窗口有效，关掉窗口还是要重新输入，最好的方案是直接把包放到目录下去，比如我的：/home/sunyan/anaconda3/lib/python3.6/site-packages/object_detection

   Testing the Installation

   还是在 Object_Detection 的上一级目录下执行下面代码

   1	python object_detection/builders/model_builder_test.py

   果不其然，报错了。我就知道没那么容易装好 (┑(￣Д ￣)┍)。
   
   说是 TF 里面没有 keras 模块，但我知道最新的是有的，所以检查一下 TF 的版本:

   1 2 3

   import tensorflow as tf print(tf.__versin__) #1.3.0

   查了一下 TF1.4 版本才有的 keras, 所以通过 pip 升级到最新的版本，这里我选择 TF==1.5：

   1	pip install tensorflow-gpu==1.5

   重新执行，依旧有报错；
   
   然而我使用 pycharm 打开后运行通过了，有点奇怪。

   运行 notebook 测试

   因为我装的是 TF1.5，所以首先把里面的这句话删掉：

   1 2	if StrictVersion(tf.__version__) < StrictVersion('1.9.0'): raise ImportError('Please upgrade your TensorFlow installation to v1.9.* or later!')

   第一次运行需要下载模型，下载时间比较久，第二次就不需要了，可以把下载的代码注释掉。

   1 2	# opener = urllib.request.URLopener() # opener.retrieve(DOWNLOAD_BASE + MODEL_FILE, MODEL_FILE)

   当然也可以自己下载， 点击下载模型 ，经测试，自己下载的速度还快一点。
   (2018.10.28 Update: 我电脑的 GPU 环境被我搞乱了，目前只能在 CPU 上运行了)
   (2018.10.28 Update: 问题找到了，conda 安装 TF GPU 版本的会自动下载 cuda 和 cudnn，不需要额外安装了)