Skip to content

install.md

Latest commit

 

History

History
85 lines (73 loc) · 2.62 KB

install.md

File metadata and controls

85 lines (73 loc) · 2.62 KB
Raw

安装

依赖

Tensorflow 物体检测API需要以下库

  • Protobuf 3+
  • Python-tk
  • Pillow 1.0
  • lxml
  • tf Slim (which is included in the "tensorflow/models/research/" checkout)
  • Jupyter notebook
  • Matplotlib
  • Tensorflow(推荐1.4以上）
  • Cython
  • cocoapi

对于Tensorflow的具体安装可以根据官网指示，也可以用以下命令：

# For CPU
pip install tensorflow
# For GPU
pip install tensorflow-gpu

ps. tensorflow 在mac上1.2之后就不支持gpu了

剩下的库在Ubuntu16.04上可以用apt-get：

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

另外也可以用pip安装依赖：

sudo pip install Cython
sudo pip install pillow
sudo pip install lxml
sudo pip install jupyter
sudo pip install matplotlib

对用mac用户，推荐用conda， conda install 以上的库

COCO API 安装：

COCO是一个大型图片数据集，用来检测物体，分割和人物关键点等识别，安装之前，需要做的是：

  • git clone tensorflow的models,或者直接下载
git clone https://github.com/tensorflow/models.git

通过以下命令，copy pycocotools到models的research的文件夹

git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
make
cp -r pycocotools <path_to_tensorflow>/models/research/

如果你喜欢用COCO的评估评估指标，添加metrics_set: "coco_detection_metrics"到config文件夹中的eval_config.如果要用COCO的实例切割指标添加metrics_set: "coco_mask_metrics"到同样的文件中

Protobuf 编译

由于tf目标检测API用的是Protobufs来配置模型和训练参数，所以在用框架之前，必须编译Protobuf的库，可以在tensorflow/models/research/文件夹路径下运行命令：

# From tensorflow/models/research/
protoc object_detection/protos/*.proto --python_out=.

添加库到python路径下 PYTHONPATH：

本地运行时，tensorflow/models/research/ 和slim的文件夹应该依附到PYTHONPATH，可以在tensorflow/models/research/路径下运行命令：

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

ps. 这个命令每次都要重新运行，当你用开始新的terminal终端时，可以添加到~/.bashrc文件夹中或者～/.zshrc如果你用ohzsh的话

最后测试安装

检测tf目标检测API所依赖的库是否都正确安装，通过以下命令：

python object_detection/builders/model_builder_test.py