建设厅八大员报名网站,logo免费自动生成器,seo辅助工具,北京建设部官方网站证书查询看过很多博主通过 Object Detection 实现了一些皮卡丘捕捉#xff0c;二维码检测等诸多特定项的目标检测。而我跟着他们的案例来运行的时候#xff0c;不是 Tensorflow 版本冲突#xff0c;就是缺少什么包#xff0c;还有是运行官方 object_detection_tutorial 不展示图片等…看过很多博主通过 Object Detection 实现了一些皮卡丘捕捉二维码检测等诸多特定项的目标检测。而我跟着他们的案例来运行的时候不是 Tensorflow 版本冲突就是缺少什么包还有是运行官方 object_detection_tutorial 不展示图片等等问题。
在看过一个国外博主例子我也通过 Tensorflow-GPU1.10.0 运行了官方例子既然要使用 GPU 则需要把 CUDA 先配置好上一篇文章有特别详细介绍到。而这里就捋一下在运行过程遇到的种种问题。 环境
windows10 的 64 位电脑
2. 显卡 GeForce GTX 750 Ti Python 3.6.13 Tensorflow-GPU 1.10.0 Cuda 9.0.176 Cudnn7.0.5 环境搭建
1. 安装 Python 3.6.13 环境
由于之前我有其他项目用了高版本的 Py这里我就用了 Anconda3 的 conda 创建一个虚拟环境这里的 conda 的 bin 目录需要加到环境变量中。
1.1. 查看环境列表
输入 conda env list就可以列出以往所有的环境名了也是为了避免后面太多相似
1.2. 创建新环境并进入
conda create -n object_dection python3.6 conda activate object_dection
1.3. 安装 Tensorflow-gpu
因为以上通过 conda 创建了新环境也安装了 pip所以只需要输入 pip install tensorflow-gpu1.10.0在下载过程中可能会中断要多试几次。
1.4. 安装其他依赖
conda install -c anaconda protobuf
pip install pillow
pip install lxml
pip install Cython
pip install jupyter (时间较长可能会中断)
pip install matplotlib
pip install pandas
pip install opencv-python (安装是可能会被杀毒软件误报)资源下载
下载与 TF 1.10.0 对应的模型库
以下是对应关系我这里就选择 ”tensorflow/models/tree/b07b494e3514553633b132178b4c448f994d59df“下载完毕后放入一个盘符下即可。
TensorFlow版本 GitHub 模型存储库提交
TF v1.7 https://github.com/tensorflow/models/tree/adfd5a3aca41638aa9fb297c5095f33d64446d8f
TF v1.8 https://github.com/tensorflow/models/tree/abd504235f3c2eed891571d62f0a424e54a2dabc
TF v1.9 https://github.com/tensorflow/models/tree/d530ac540b0103caa194b4824af353f1b073553b
TF v1.10 https://github.com/tensorflow/models/tree/b07b494e3514553633b132178b4c448f994d59df
TF v1.11 https://github.com/tensorflow/models/tree/23b5b4227dfa1b23d7c21f0dfaf0951b16671f43
TF v1.12 https://github.com/tensorflow/models/tree/r1.12.0
TF v1.13 https://github.com/tensorflow/models/tree/r1.13.0
最新版本 https://github.com/tensorflow/models下载 TF 的目标检测模型
下载地址在模型库的 research/object_detection/g3doc/tf1_detection_zoo.md 里模型选择就很有讲究了若要在计算能力较差的设备上 (智能手机、树莓派、FPGA 等嵌入式系统中)使用 SSD-MobileNet 系列若在工作站上训练检测可使用 RCNN 系列。这里选择的是 ”Faster-RCNN-Inception-V2“下载完毕后放入上面模型库里的 object-detection-model\research\object_detection 下面。 下载国外博主提供的 demo
地址https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10#3-gather-and-label-pictures下载后解压放入 object-detection-model\research\object_detection。 环境配置
配置模型的环境变量
需要将 \models, \models\research, and \models\research\slim 三个路径加入到 path 的环境变量中。
2. 编译 Protobuf 文件
命令的目录切换到 object-detection-model\research” 下通过前面 conda 安装的 protobuf 将.proto 编译成 name_pb2.py 文件输入以下命令。
protoc --python_out. .\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安装 Object-Detection
继续在 “object-detection-model\research” 目录下分别运行下面两个命令并且会多出几个文件夹。
python setup.py build
python setup.py install验证与运行
为了验证 Object Detection 是否安装成功也为了运行目标检测官方案例。通过前面安装的 jupyter执行以下命令前提是命令目录需要切换到 “object-detection-model\research\object_detection”。
jupyter notebook object_detection_tutorial.ipynb运行后默认会打开浏览器然后打开脚本并能一次一步地浏览代码部分。可以通过单击上面工具栏中的 “运行” 按钮逐步浏览每个部分。当小节旁边的 “In [] 文本中的数字出现时该节将完成运行 (例如 “In [1]”)。(注意其中有一步是从 GitHub 上下载 ssd_mobilenet_v1 模型大约 74M需要多等一会程序是在执行的并不是死机或出错。静等 In [] 中的 * 变成数字)。但是当我在点击每段代码时就有以下几个报错。
Could not find ‘cudart64_90.dll’. TensorFlow requires that this DLL be installed in a directory that 原因本地电脑没有 CUDA 的 cudart64_90.dll 文件当安装 CUDA 后还报错原来是启动窗口没有关闭命令找的是旧环境地址 方法重启打开该 conda 环境再重新启动 jupyter 命令。 Please upgrade your tensorflow installation to v1.4.* or later 原因反复确认过在该环境下安装的是 TF1.10.0目前不知道什么原因以下方法虽然解决了但是第一段代码运行还有有一些异常信息。 方法打开 object_detection_tutorial.ipynb 文件找到 “source”, 删除或注释掉以下代码。 目标检测的图片不出来。 原因目前不知道原因没有错误提示我也更换过浏览器。 方法代码运行选择了 run all在火狐浏览器里就出来了。 最后如果需要上面的下载代码可以留言到时候我再贴出来。
