windows下tensorflow/objectdetection API環境搭建（基於tensorflow1.14和python3.6）

• 2020 年 3 月 6 日
• 筆記

此前就聽聞室友說tensorflow在windows下坑很多，這次終於親身領會到了。以下是參考網上大佬的教程以及自己的踩坑史總結出的有效步驟（親測有效）

1.下載objectdetection所在的models（文件很大，考慮到國內github的速度，以下的資源均給出碼雲地址，進入後點擊克隆/下載，選擇下載方式）

　　https://gitee.com/burningcarbon/tensorflow-models

2.在自己的python環境中安裝依賴(給出版本號的必須下載對應版本，否則報錯，其餘下最新版即可）

　　tensorflow==1.14.0

　　numpy==1.16

　　matplotlib

　　lxml

　　pillow

　　Cython

3.　安裝cocoapi（由於該項目官方並不支持windows編譯，所以下載大佬的修改版）

　　下載：地址https://gitee.com/burningcarbon/windows-cocoapi　

　　安裝：在命令行下進入cocoapi/PythonAPI目錄，執行：  python setup.py build_ext install

　　　　注意：

　　　　　　以上命令適用於在全局的python環境安裝

　　　　　　如果想要安裝在虛擬環境中，則需要執行 python安裝路徑/python.exe setup.py build_ext install

　　　　　　或者激活虛擬環境，在其中執行原命令即可

　　將PythonAPI目錄下的pycocotools複製到research目錄下

4.protobuf的編譯

　　下載編譯器

　　　　進入https://github.com/protocolbuffers/protobuf/releases，在最新版（當前為3.11.4）中，下載Assets中的protoc-3.11.4-win64.zip

　　　　進入models/research目錄，執行protoc  object_detection/protos/*.proto –python_out=.

　　　　　　如果報錯提示No such file or directory，則一個一個進行編譯

　　　　　　　　protoc object_detection/protos/anchor_generator.proto –python_out=.
　　　　　　　　protoc object_detection/protos/argmax_matcher.proto –python_out=.
　　　　　　　　protoc object_detection/protos/bipartite_matcher.proto –python_out=.
　　　　　　　　protoc object_detection/protos/box_coder.proto –python_out=.
　　　　　　　　protoc object_detection/protos/box_predictor.proto –python_out=.
　　　　　　　　protoc object_detection/protos/calibration.proto –python_out=.
　　　　　　　　protoc object_detection/protos/eval.proto –python_out=.
　　　　　　　　protoc object_detection/protos/faster_rcnn.proto –python_out=.
　　　　　　　　protoc object_detection/protos/faster_rcnn_box_coder.proto –python_out=.
　　　　　　　　protoc object_detection/protos/grid_anchor_generator.proto –python_out=.
　　　　　　　　protoc object_detection/protos/hyperparams.proto –python_out=.
　　　　　　　　protoc object_detection/protos/image_resizer.proto –python_out=.
　　　　　　　　protoc object_detection/protos/input_reader.proto –python_out=.
　　　　　　　　protoc object_detection/protos/keypoint_box_coder.proto –python_out=.
　　　　　　　　protoc object_detection/protos/losses.proto –python_out=.
　　　　　　　　protoc object_detection/protos/matcher.proto –python_out=.
　　　　　　　　protoc object_detection/protos/mean_stddev_box_coder.proto –python_out=.
　　　　　　　　protoc object_detection/protos/model.proto –python_out=.
　　　　　　　　protoc object_detection/protos/multiscale_anchor_generator.proto –python_out=.
　　　　　　　　protoc object_detection/protos/optimizer.proto –python_out=.
　　　　　　　　protoc object_detection/protos/pipeline.proto –python_out=.
　　　　　　　　protoc object_detection/protos/post_processing.proto –python_out=.
　　　　　　　　protoc object_detection/protos/preprocessor.proto –python_out=.
　　　　　　　　protoc object_detection/protos/region_similarity_calculator.proto –python_out=.
　　　　　　　　protoc object_detection/protos/square_box_coder.proto –python_out=.
　　　　　　　　protoc object_detection/protos/ssd.proto –python_out=.
　　　　　　　　protoc object_detection/protos/ssd_anchor_generator.proto –python_out=.
　　　　　　　　protoc object_detection/protos/string_int_label_map.proto –python_out=.
　　　　　　　　protoc object_detection/protos/train.proto –python_out=.

　　安裝：

　　　　　　命令行進入models/research目錄，執行python setup.py install（python虛擬環境的安裝同第二步cocoapi的安裝）

5.配置環境變量

　　此電腦》屬性》高級系統設置》環境變量，找到path，添加 models存放路徑/models/research/object_detection

7.安裝slim

    刪除 models/research/slim目錄下的BUILD文件，然後命令行下cd 到 models/research/slim目錄下，運行: python setup.py install.py（python虛擬環境的安裝同上）

8.測試

　　命令行進入models/research路徑，運行測試命令python object_detection/builders/model_builder_test.py（python虛擬環境的測試同上）

　　最後出現以下輸出則證明環境安裝成功