TensorFlow Object Detection API 在Windows10和Ubuntu上的配置

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/xinyu3307/article/details/79497333

前言

好久没用博客了，因为服务器原因重装了好几次，tensorflow也一直跟着重装，这篇博文相比上一篇会更完善点，用的版本也会新一些。主要记录在win10和ubuntu上配置Tensorflow目标检测接口的过程和一些遇到的问题，也会记录gpu版tensorflow的安装过程（CUDA和cuDNN）。在使用接口之前，请先确认自己能使用GPU版本的tensorflow！这篇只有配置，以后有时间记录下如何训练自己的数据集。最近tensorflow还开放了实例分割的接口，还得弄一弄，跟不上了呀~哈哈

---

Windows10

环境配置:Anaconda3+Tensorflow1.6.0（gpu）+Keras2.1.5(可选)

注：还没安装CUDA和cuDNN的先看最下面的附

• Anaconda镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

• 安装Tensorflow: pip install tensorflow-gpu (pip install –upgrade tensorflow-gpu)

  现在没有说必须要python3.5才有tensorflow了，所以Anaconda也能装最新的

• 安装keras:pip install keras (pip install –upgrade keras)

• 下载tensorlfow/models:https://github.com/tensorflow/models
• 下载protobuf（编译工具）:https://github.com/google/protobuf/releases

Protobuf 编译

下载（protoc-3.4.0-win32.zip）

• 请下载3.4.0版本的protobuf，3.5+版本会出现一个bug：在win10下无法理解*.proto ,所以输入下面的指令后会提示no such fileXXX 。

解压后将bin文件夹中的【protoc.exe】放到C:\Windows

• 此步骤需要windows文件夹的写入权限，但其实只要protoc.exe 在某个环境变量的目录下即可，不一定要在c:\wiindows。放在tensorflow\model\research，然后添加环境变量也可以。

在models\research目录下shift+右键打开Powershell窗口，输入：
protoc object_detection/protos/*.proto --python_out=.
不报错即可。

Python路径的添加

在Anaconda的包目录：C:\Users\LXY\Anaconda3\Lib\site-packages
新建.pth文件，加入以下两行路径:

C:\Users\LXY\TensorFlow\models\research
C:\Users\LXY\TensorFlow\models\research\slim

• 避免出现错误：no module name ‘object detection’，在Ubuntu的配置上也有类似步骤。

测试

python object_detection/builders/model_builder_test.py
不报错即可

附：CUDA和cuDNN安装

注：不同的TensorFlow版本要求不同的CUDA及其对应的cuDNN，eg. tensorflow1.3.0要求CUDA8.0
但是tensorflow1.6.0要求CUDA9.0，如果强行要CUDA9.1或者CUDA8.1请用大神们编译的.whl

• 下载CUDA: https://developer.nvidia.com/cuda-toolkit-archive
• 下载cuDNN：https://developer.nvidia.com/cudnn

因为用的Tensorflow1.6.0，所以下载CUDA9.0以及对应的cuDNN7.1.1（更正一下，只能用v7.0，在训练数据的时候才发现）

• 安装CUDA的时候，第一步是系统兼容性检查，如果这步出现Warning，没检查到合适硬件，先跳过，看能不能安装成功，可以成功的话就不用管这个兼容检查问题了。
• 新安装的CUDA不会覆盖原有CUDA的环境变量，而是排在原有变量的前面，所以当需要CUDA时，会优先检索新安装的CUDA。

安装完CUDA后，将cuDNN的文件复制过去

• 安装完的CUDA在目录： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\，我们一开始选的目录是用来暂放提取文件的，安装完后就自动删除了。

C:\cuda\bin\cudnn64_5.dll —> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin 
C:\cuda\include\cudnn.h —> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include 
C:\cuda\lib\x64\cudnn.lib —> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

查看CUDA版本

nvcc -V

测试

需要安装好tensorflow-gpu

source activate tensorflow #（可选，如果在虚拟环境的话）
python
import tensorflow as tf
hello=tf.constant('hello,tensorflow')
sess=tf.Session()
print(sess.run(hello))

查看GPU占用

将C:\Program Files\NVIDIA Corporation\NVSMI加入环境变量
然后就可以跟Ubuntu一样，在cmd输入：nvidia-smi

---

Ubuntu16.0.4

Ubuntu装得会早些，Tensorflow版本是1.4.0，要下载的东西跟Windows类似，很多配置步骤也跟WIndows类似。
注：还没安装CUDA和cuDNN的先看最下面的附

安装Anaconda
sudo bash Anaconda3-4.4.0-Linux-x86_64.sh

刷新环境变量
source /etc/profile或者 source ~/.bashrc #(全局的环境变量)

查看conda版本
conda –V

建一个tensorflow环境（可选）
conda create -n tensorflow python=3.6
激活环境（根据上一条可选）
source activate tensorflow

安装tensorflow
注：如果是在Anaconda开辟的环境env里，安装都不用加sudo，如果使用sudo意味使用的是系统默认的python环境（也是Anaconda的），不确定的可以在安装完后pip list看看是否安装成功。

pip install tensorflow-gpu

安装必要的包和工具

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

或者使用（可选）

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

如果要使用coco的api（可选）

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

Protobuf编译

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

加入环境变量

vim ~/.bashrc
export PYTHONPATH=$PYTHONPATH:'/home/ai902/Tensorflow/models/research':'/home/ai902/Tensorflow/models/research/slim'

测试

• python object_detection/builders/model_builder_test.py
• 从navigator里面安装启动jupyter notebook，运行例程

附：CUDA和cuDNN安装

这里可以看显卡的算力:https://developer.nvidia.com/cuda-gpus
当时用的是CUDA8.0和cuDNN6.0，显卡是1080Ti

• CUDA：https://developer.nvidia.com/cuda-80-ga2-download-archive .run版本
• cuDNN: https://developer.nvidia.com/cudnn 对应8.0版本

安装CUDA

sudo sh cuda_8.0.61_375.26_linux.run  # 安装的cuda在/usr/local/cuda下面

注意：安装显卡驱动的时候选择no！！！

安装cuDNN(也可以用.deb文件安装)

cd /usr/local/cuda # cuDNN放在这个目录下解压
sudo tar -xzvf cudnn-8.0-linux-x64-v6.0.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

添加环境变量，将以下代码放入~/.bashrc文件保存后source ~/.bashrc

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

测试

source activate tensorflow #（可选，如果在虚拟环境的话）
python
import tensorflow as tf
hello=tf.constant('hello,tensorflow')
sess=tf.Session()
print(sess.run(hello))