最近尝试建立Tensorflow object detection API 的环境，最终成功实现。这个API运行与CPU，没有做GPU的加速，因此也没安装GPU相关的插件。
1.我的电脑
win7-64位
RAM：4G
CPU：i5-3230M
用到的东西：
Anaconda 3-5.1.0
jupyter对应的浏览器：搜狗
TensorFlow
...................
2.参考资料
https://blog.csdn.net/dy_guox/article/details/79081499
https://blog.csdn.net/r1254/article/details/76735740
https://blog.csdn.net/RobertChenGuangzhi/article/details/50499274
https://blog.csdn.net/caicai_zju/article/details/70245099
https://blog.csdn.net/comway_Li/article/details/81434358
3.安装Anaconda
下载Anaconda3-5.1.0-Windows-x86_64的安装包，安装位置可以修改为非C盘，最好不要出现中文路径吧，一路next，出现下图的时候把两个都勾选起来，继续next
安装好之后打开cmd，输入：conda --version
如果输出像下面箭头那样，就是安装成功了。
4.安装Python
这个版本的anaconda所附带的Python是3.6版本，但TensorFlow所能适应的版本是3.5版本，所以需要先搞一个3.5的Python环境。操作为：在cmd里面输入
conda create --name python35 python=3.5 我这里的python35是代表着可以适应TensorFlow的Python3.5环境，原英文文档的这个名字是TensorFlow，但本质是一样的。这里的3.5会令Python选择3.5.x中的最高版本。等待一段时间，下载安装完成之后，在cmd输入：conda info --envs 如果出现如下图两个箭头所指向的回应，则代表安装成功（另外那些非箭头指向的是我各种安装尝试最后抛弃的文件，无视之）。
5.安装TensorFlow
TensorFlow一般入门的是CPU版本，稍微高端一点的是GPU版本，这里我只安装CPU的。先在cmd里面输入
activate python35来激活现在的Python35环境，以后想退出这个环境就deactivate，下图就是进入了Python35环境的效果。
然后在python35的环境下，使用pip安装tensorflow，输入：
pip install --upgrade --ignore-installed tensorflow验证安装是否成功，在35环境下输入python，来在cmd里面打开Python，输入如下代码，如果输出是b'good'那就是初步成功了。
import tensorflow as tf
hello = tf.constant('good')
sess = tf.Session()
print(sess.run(hello))安装spyder和ipython等插件：打开Anaconda Navigator，在下图箭头那里搜索spy和ipy找到spyder和ipython进行勾选，然后点左下角绿色的apply，之后会出现一系列要一起安装的，继续apply就行了。这里安装的插件可能还是不够的，等一下的操作会知道那些不够，然后再来补充。
6.下载Tensorflow object detection API
https://github.com/tensorflow/models
从github上下载项目（右上角“Clone or download”-"DownloadZIP"），解压，放去没有中文路径的文件夹里面，这里解压出来的文件名是models-master。
7.Protobuf 安装与配置
https://github.com/google/protobuf/releases
在列表的最下面找到Windows版本，我是用了3.4.0版本，之前用过3.6，进行下面的操作的出错，就用回这个3.4版。解压，将bin下面的protoc.exe放到C:\Windows。
cmd把默认文件夹进入刚才步骤6的models-master\research目录，然后输入：
protoc object_detection/protos/*.proto --python_out=.这里可能报错，大概是找不到protoc的意思，重启试试 ，可能刚才放完exe之后Windows还没更新过来。然后也可能报错说找不到文件夹或文件之类，就是什么的*起不到遍历的作用，这个时候就要把*换成protos文件夹下面每一个.protos文件的名字，逐个来手动操作，按了回车之后产生了该文件对应的.py文件cmd框里没报错，那就是OK了一个，下图是我逐个操作出来的结果。
8.PYTHON环境变量配置
在 环境变量-系统变量 中新建名为‘PYTHONPATH’的变量，输入D:\Py\models-master\research;D:\Py\models-master\research\slim
这个是我电脑的文件路径，自己的电脑自己稍微修改一下。然后重启电脑。
测试这个API，激活python35（每次都要激活的），把cmd的默认路径弄到;D:\Py\models-master\research 然后输入：
python object_detection/builders/model_builder_test.py没报错就说明是这个api可以。如果出现类似于：ImportError: No module named "xxxxxxxx" 那么说明anaconda里面还缺失这个xxxxx插件，参考步骤5，在Anaconda Navigator界面里找到这个xxxxx，然后apply。有一个例外，就是缺失pil的时候，有时候会出现问题，用旁边的pilow插件来代替apply就行了， 这个相当于升级版。
9.测试自带案例
打开Anaconda3-Anaconda Promp，激活python35，目录cd到D:\Py\models-master\research\object_detection
输入jupyter notebook来打开网页，网页文件中的 object_detection_tutorial.ipynb，然后点击上方的 “Cell”-"Run All"，就会运行，In[ ]那里出现* 就说明正在运行。如果运行成功，两三分钟后，会出现下面的景象：
可以出现以上画面的话，说明Tensorflow object detection API 的环境搭建与测试工作完成。
run-all的时候，可能会出现一些问题：
①在运行时，报import matplotlib; matplotlib.use('Agg') # pylint: disable=multiple-statemen错误，将from matplotlib import pyplot as plt 改为import matplotlib.pyplot as plt即可解决这个错误。
②报一大串，包括最下面有“ImportError: Could not find 'cudart64_90.dll'. TensorFlow requires that this........”，这个是因为我一开始安装过GPU版的TensorFlow，去Anaconda3-Anaconda Promp那里把这个卸载掉。
③出现“ImportError: No module named tensorflow ”，可能是这个jupyter有问题，强行在Anaconda3-Anaconda Promp里重新安装一次这个jupyter
activate python35 #激活tensorflow环境
conda install ipython
conda install jupyter
jupyter notebook #重新打开jupyter notebook=======================以上就是建立好了这个环境========================
可以对代码进行修改一下，改变一下功能
1.加入其它的检测图片，在object_detection文件夹下面见建立一个类似于test_images的文件夹，放自己想检测的照片进去，改下面的这3个地方：新的文件夹的名字、文件夹里照片簇的名字、照片数量。然后就run-all
2.换模型，默认的模型是最简单快速的模型，可以在下面那里改成你想用的模型的名字，然后就直接运行就OK了
注意了，名字一定要是全名，这些可选的模型汇集于：
3.一个模型的第一次运行会慢很多，因为需要下载这个模型，第一次过后，可以吧Download Model部分的代码注释掉，就会快一些。另外，新模型的第一次也可以在上面的网址那里下载想要的模型，解压，解压出的关键文件夹是里面有包含一个.pb文件的那个，把整个文件夹复制到detection_objection文件夹下，这样就可以不下载了，第一次也可以把Download Model注释掉，直接run-all 。
=============================OVER=OVER=====================================