TensorFlow models - object detection API 安装

tensorflow 的 models 模块非常有用,不仅实现了各种模型,也包括了 原作者 训练好的模型及其使用方法,本文 以 object detection 为例 来说明如何使用 训练好 的模型;

首先呢,还是建议 去 官网 看看使用方法,因为 tensorflow 的版本混乱,网上教程针对的版本各不相同,所以各种坑;

下面是正题,本文针对 windows 操作系统;

第一步:下载 models 模块,解压

https://github.com/tensorflow/models

第二步:安装 protoc

https://github.com/protocolbuffers/protobuf/releases 从这里下载,选择适合自己的版本;

下载后复制到 models 所在的文件夹下,解压,生成 bin、include;

将 bin 下的 protoc.exe 复制到 C:\Windows\System32 文件夹下;

cmd 运行 protoc,出现如下界面,说明安装成功;

第三步:编译 protoc

在 models/research 下运行 Windows PowerShell               【运行 PowerShell

运行命令

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

运行完成后,检查 object_detection/protos 文件夹,如果每个 proto 文件都变成了 py 文件,表示编译成功

第四步:添加环境变量

添加这两个目录

...\models\research
...\models\research\slim

至于怎么添加,你可以用常规的设置 环境变量的方式,官方是 PYTHONPATH;

网上有 添加 .pth 文件,我实验未成功;

第五步:测试 API 是否安装成功

python object_detection/builders/model_builder_test.py

出现上图表示成功;

第六步:执行已经训练好的模型

执行 object_detection/object_detection_tutorial.ipynb 文件    【执行方法 我的博客

参考资料:

https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md  官网

https://www.jianshu.com/p/6f3ea0d82fae  物体检测TensorFlow Object Detection API (一)安装

https://www.jb51.net/article/162968.htm  windows10下安装TensorFlow Object Detection API的步骤

https://www.cnblogs.com/2dogslife/p/10264325.html  Tensorflow Object Detection API 安装

https://blog.csdn.net/qq_38593211/article/details/82822162  TensorFlow Object Detection API 超详细教程和踩坑过程(安装)

原文地址:https://www.cnblogs.com/yanshw/p/12598921.html

时间: 2024-10-07 14:33:48

TensorFlow models - object detection API 安装的相关文章

Install Tensorflow object detection API in Anaconda (Windows)

This blog is to explain how to install Tensorflow object detection API in Anaconda in Windows 10 as well as how to train train a convolution neural network to do object detection on your own data set. Steps: 1. Installation and Configuration Install

谷歌开源的TensorFlow Object Detection API视频物体识别系统实现(二)[超详细教程] ubuntu16.04版本

本节对应谷歌开源Tensorflow Object Detection API物体识别系统 Quick Start步骤(一): Quick Start: Jupyter notebook for off-the-shelf inference 本节步骤较为简单,具体操作如下: 1.在第一节安装好jupyter之后,在ternimal终端进入到models文件夹目录下,执行命令: jupyter-notebook 2.会在网页打开Jupyter访问object_detection文件夹,进入obj

TensorFlow object detection API

https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_pets.md 1. 获取数据Oxford-IIIT Pets Dataset # From tensorflow/models/research/ wget http://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar.gz wget http://www.robo

TensorFlow object detection API应用二

前一篇讲述了TensorFlow object detection API的安装与配置,现在我们尝试用这个API搭建自己的目标检测模型. 一.准备数据集 本篇旨在人脸识别,在百度图片上下载了120张张钧甯的图片,存放在/models/research/object_detection下新建的images文件夹内,images文件夹下新建train和test两个文件夹,然后将120分为100和20张分别存放在train和test中. 接下来使用 LabelImg 这款小软件,对train和test

Tensorflow object detection API 搭建属于自己的物体识别模型

一.下载Tensorflow object detection API工程源码 网址:https://github.com/tensorflow/models,可通过Git下载,打开Git Bash,输入git clone https://github.com/tensorflow/models.git进行下载. 二.标记需要训练的图片 ①.在第一步下载的工程文件models\research\object_detection目录下,建立一个my_test_images用来放测试test和训练t

#tensorflow object detection api 源码分析

前言 Tensorflow 推出的 Object Detection API是一套抽象程度极高的目标检测框架,可以快速用于生产部署.但网络上大多数相关的中英文文章均只局限于应用层面的分析,对于该套框架的算法实现源码没有针对性的分析文章.对于选择tensorflow作为入门框架的深度学习新手,不仅应注重于算法本身的理解,更应注重算法的编码实现.本人也是刚入门深度学习的新手,深深困扰于tensorflow 目标检测框架的抽象代码,因此花费了大量时间分析源码,希望能对博友有益,同时受限于眼界,文章中必

第三十一节,使用谷歌Object Detection API进行目标检测

Object Detection API是谷歌开放的一个内部使用的物体识别系统.2016年 10月,该系统在COCO识别挑战中名列第一.它支持当前最佳的实物检测模型,能够在单个图像中定位和识别多个对象.该系统不仅用于谷歌于自身的产品和服务,还被推广至整个研究社区. 一.代码位置与内置的模型 1.Object Detection Object Detection模块的位置与slim的位置相近,同在github.com 中TensorFlow 的models\research目录下.类似slim,

第三十四节,目标检测之谷歌Object Detection API源码解析

我们在第三十二节,使用谷歌Object Detection API进行目标检测.训练新的模型(使用VOC 2012数据集)那一节我们介绍了如何使用谷歌Object Detection API进行目标检测,以及如何使用谷歌提供的目标检测模型训练自己的数据.在训练自己的数据集时,主要包括以下几步: 制作自己的数据集,注意这里数据集在进行标注时,需要按照一定的格式.然后调object_detection\dataset_tools下对应的脚本生成tfrecord文件.如下图,如果我们想调用create

[Tensorflow] Object Detection API - build your training environment

Prepare protoc Download Protocol Buffers Create folder: protoc and unzip it. [email protected]UX303UB$ ls models Others protoc train_data [email protected]-UX303UB$ ls protoc/ bin include readme.txt [email protected]-UX303UB$ ls protoc/bin/ protoc Pr