本教程分为3 Part

Part1：Anaconda&Tensorflow安装
Part2：tensorflow数据集生成
Part3：换一个模型训练

Part1分为3大块

Anaconda的安装

一、Anaconda安装

二、验证Anaconda安装是否成功

三、Anaconda环境创建

四、Anaconda环境激活

tensorflow的安装

五、Tensorflow1.0环境配置

六、检查tensorflow1.0的GPU/CPU版本是否已经安装好

tensorflow object detection api的安装

七、安装tensorflow object detection api

八、测试tensorflow object detection api是否安装成功

前言：为何要安装anaconda?

因为tensorflow2.0对tensorflow1.0的某些函数不向下兼容，而本次教程使用的模型仅支持tensorflow1.0。

并且，为了避免后期使用其他模型时需要用到tensorflow2.0，再安装tensorflow2.0时会与tensorflow1.0版本发生覆盖，所以需要使用anaconda创建虚拟环境（相当于一个虚拟机），可以通过创建不同的虚拟环境来容纳不同版本的tensorflow，使用anaconda的“切换环境”功能(“activate 环境名”)，可以方便地来回切换tensorflow1.0与2.0。

Anaconda的安装

一、Anaconda安装

打开该网址：https://www.anaconda.com/products/individual

打开该页面后按下图红色框下载anaconda

启动安装程序，点next

点I Agree

选择All Users，点Next

可以选择去修改安装文件夹，安装到自己想要安装的位置。也可以不修改下一步安装

勾选Add Anaconda3 to the syste PATH environment variable

假如你之前已经在系统里面安装过Python3，则不要勾选第二个勾选框：Register Anaconda3 as the system Python 3.9
然后点击install。

安装完成点Next

点Next

点击Finish，然后弹出的两个网站可以不用管他。

至此，Anaconda安装完成。

二、验证Anaconda安装是否成功

打开cmd，输入activate，回车，会出现如下画面
激活之后，在“当前目录”(“C:\Users\29533”，当然不同电脑显示的“当前目录”不一样)前会显示(base)，这样就已经进入了anaconda自带的基础虚拟环境。也证明anaconda安装成功。

在该状态下，如何切换回系统自带的（你自己之前安装的）python环境？
答：使用deactivate或者conda deactivate命令即可。

在该状态下，如何切换到其他环境？
答：使用“activate 环境名”或者“conda activate 环境名”即可，如下图所示。

在anaconda创建的环境里面，使用pip或者conda新安装的python函数包，与之前在系统安装的python包互不影响，相互隔离。

三、Anaconda环境创建

conda create -n 环境名 python=python版本
示例：conda create -n tensorflow1.0 python=3.7
(仅仅在本教程，推荐pyhton版本用3.7)

第一步输入：conda create -n tensorflow1.0 python=3.7，然后回车
看到以下界面，输入: y，然后回车

如果没有提示error，而提示了上图的done，即环境创建成功。

这样，就创建了一个名为tensorflow1.0的，带python3.7版本的环境。
（只是名字叫做tensorflow1.0，并不代表它自动了安装了tensorflow1.0版本）

四、Anaconda环境激活

输入conda activate tensorflow1.0 或者 activate tensorflow1.0，回车即可。

tensorflow的安装

五、Tensorflow1.0环境配置

环境配置分为GPU版本和CPU版本。

Tensorflow-GPU版本安装教程仅支持搭载Nvidia GPU的电脑，搭载AMD独立显卡的电脑可在网上搜索其他教程或使用下面的Tensorflow-CPU版本安装教程。

Tensorflow-CPU版本安装教程支持搭载x86架构的CPU的电脑，搭载Intel或AMD CPU的电脑均适用。

1、GPU版本

安装CUDA10.2和CUDNN7.6.5

首先安装CUDA10.2以及CUDNN7.6.5，安装和测试教程看以下链接博客的内容：https://blog.csdn.net/magic_ll/article/details/114652470

CUDA10.2和CUDNN7.6.5安装完成后，可以进行下面的步骤。

环境配置常规步骤

假如你的机器是使用Nvidia显卡，使用windows10系统，安装了最新的nvidia驱动，安装了CUDA10.2和CUDNN7.6.5，那么可以使用该流程。

首先激活conda创建的tensorflow1.0环境，然后输入以下命令：

conda install tensorflow-gpu=1.15.0

输入y，回车，安装。

使用conda list命令查看已经安装好的tensorflow及其他相关库：

会发现tensorboard版本是2.4.0，tensorflow-estimator版本为2.6.0

与当前tensorflow版本不匹配，假如使用当前的环境去运行测试文件，会报错。

（注意，报错仅会发生在八、测试tensorflow object detection api是否安装成功中，而不会在六、检查tensorflow1.0的GPU/CPU版本是否已经安装好这个步骤中发生。）

因此需要使用pip重新安装tensorflow-estimator(1.15.1)和tensorboard(1.15.0)
输入以下命令并且回车：

pip install tensorflow-estimator==1.15.1
pip install tensorboard==1.15.0

上述Tensorflow-gpu安装完成后，再输入以下命令，安装必要的包。

conda install Cython
conda install pillow
conda install lxml
conda install matplotlib

安装完成后，可以到六、检查tensorflow1.0的GPU/CPU版本是否已经安装好步骤。

六、检查tensorflow1.0的GPU/CPU版本是否已经安装好

启动了名为tensorflow1.0虚拟环境的cmd命令行，使用python命令，回车，进入python的环境

输入以下代码，每一行输入完按一次回车：

import tensorflow as tf
sess = tf.Session()
hello = tf.constant('hello, tensorflow!')
print(sess.run(hello))

七、安装tensorflow object detection api

新建一个models-r1.13.0文件夹
解压提供的打包文件models-r1.13.0.zip
这个项目可在我的github上面下载：
https://github.com/HelloSZS/models-r1.13.0

下图为压缩包内的内容，把以下内容解压到models-r1.13.0文件夹

然后打开cmd，激活第六步创建的环境之后，把cmd的“当前目录”设置成“D:\models-r1.13.0\research”
（这是演示示例的文件夹路径，实际路径是你上一个步骤创建models-r1.13.0文件夹的路径）。

然后输入以下内容并按回车：

python setup.py install

所得结果如下图所示：

八、测试tensorflow object detection api是否安装成功

输入以下命令并回车：

python object_detection/builders/model_builder_test.py

假如最后结果显示ok，如下图所示，则表示tensorflow object detection api安装成功：

到这里，tensorflow object detection api的安装已经全部完成。

【part1】Tensorflow Object detection API Win10使用教程(Anaconda、tensorflow object detection API安装)相关推荐

Win10+GTX 1080Ti+Anaconda TensorFlow安装
实验室新配了电脑,折腾了一整天,总算是把环境配好了查看了很多blog,都是说GTX1080Ti目前只能使用cuda v8.0(可以参考Keras的中文文档,写的非常详细https://keras-c ...
java excel api及详细教程_针对Java Excel API及详细教程
时在java开发中会操作excel表格,其实操作起来也特别简单.这里把前期操作步骤说一下,本文会简单的介绍一个开放源码项目:Java Excel Api,使用它大家就可以方便的操作Excel文件了. ...
惠普服务器安装win10系统教程,惠普战99笔记本安装win10系统操作教程
惠普战99不仅注重工作站属性的强化,同时通过搭载英特尔酷睿博锐处理器,使得这款设备能够被拓展到企业级IT部署环境中来,进一步放大了产品的价值,对于普通商务用户.专业领域用户以及企业级用户而言都是很好的 ...
企业微信API使用基本教程（企业微信的api接口）
在企业微信创建自建应用 1.登录企业微信后台,在"应用管理>自建"中点击"创建应用",填写应用信息创建. API配置表参数值获取 1.corpid:企业I ...
雷蛇灵刃笔记本u盘安装win10详细教程
很多资深游戏玩家都喜欢购买雷蛇灵刃游戏本,不管是它超强的性能配置还是轻薄的外观都让人臣服,而且当下热门的所有游戏,它都能轻松驾驭,还有比这更让我心动的吗?如果想给这样一款强大的游戏本装win10系统的 ...
TensorFlow Object Detection API 超详细教程和踩坑过程
安装Anacond:https://blog.csdn.net/ITLearnHall/article/details/81708148 安装Pycharm:https://blog.csdn.net ...
Anaconda+tensorflow+win10安装包和教程(2021年12月)
安装包: Anaconda+tensorflow+win10安装包和教程.rar-机器学习文档类资源-CSDN文库安装Anaconda3 下一步下一步即可红色路径记得选上使用WIn + R,打开 ...
【Keras】Win10系统 + Anaconda+TensorFlow+Keras 环境搭建教程
1. 安装 Anaconda 打开 Anaconda 的官方下载地址:https://www.anaconda.com/download/ 选择 Python 对应的version 下载.下载完成后直 ...
Win10系统Anaconda+TensorFlow+Keras 环境搭建教程
红色石头的个人网站:redstonewill.com 前天我在公众号推荐了<Python Deep Learning>这本书.该书是由 Keras 作者写的,所以全书基本围绕着 Keras ...
Python 数据科学入门教程：TensorFlow 目标检测
TensorFlow 目标检测原文:TensorFlow Object Detection 译者:飞龙协议:CC BY-NC-SA 4.0 一.引言你好,欢迎阅读 TensorFlow 目标检测 ...

【part1】Tensorflow Object detection API Win10使用教程(Anaconda、tensorflow object detection API安装)

本教程分为3 Part

Part1分为3大块

前言：为何要安装anaconda?

Anaconda的安装

一、Anaconda安装

二、验证Anaconda安装是否成功

三、Anaconda环境创建

四、Anaconda环境激活

tensorflow的安装

五、Tensorflow1.0环境配置

1、GPU版本

安装CUDA10.2和CUDNN7.6.5

环境配置常规步骤

六、检查tensorflow1.0的GPU/CPU版本是否已经安装好

七、安装tensorflow object detection api

八、测试tensorflow object detection api是否安装成功

【part1】Tensorflow Object detection API Win10使用教程(Anaconda、tensorflow object detection API安装)相关推荐

最新文章

热门文章