本教程分为3 Part
Part1:Anaconda&Tensorflow安装
Part2:tensorflow数据集生成
Part3:换一个模型训练
Part1分为3大块
-
Anaconda的安装
- 一、Anaconda安装
- 二、验证Anaconda安装是否成功
- 三、Anaconda环境创建
- 四、Anaconda环境激活 tensorflow的安装
- 五、Tensorflow1.0环境配置
- 六、检查tensorflow1.0的GPU/CPU版本是否已经安装好 tensorflow object detection api的安装
- 七、 安装tensorflow object detection api
- 八、 测试tensorflow object detection api是否安装成功
前言:为何要安装anaconda?
因为tensorflow2.0对tensorflow1.0的某些函数不向下兼容,而本次教程使用的模型仅支持tensorflow1.0。
并且,为了避免后期使用其他模型时需要用到tensorflow2.0,再安装tensorflow2.0时会与tensorflow1.0版本发生覆盖,所以需要使用anaconda创建虚拟环境(相当于一个虚拟机),可以通过创建不同的虚拟环境来容纳不同版本的tensorflow,使用anaconda的“切换环境”功能(“activate 环境名”),可以方便地来回切换tensorflow1.0与2.0。
Anaconda的安装
一、Anaconda安装
打开该网址:https://www.anaconda.com/products/individual
打开该页面后按下图红色框下载anaconda
启动安装程序,点next
点I Agree
选择All Users,点Next
可以选择去修改安装文件夹,安装到自己想要安装的位置。也可以不修改下一步安装
勾选Add Anaconda3 to the syste PATH environment variable
假如你之前已经在系统里面安装过Python3,则不要勾选第二个勾选框:Register Anaconda3 as the system Python 3.9
然后点击install。
安装完成点Next
点Next
点击Finish,然后弹出的两个网站可以不用管他。
至此,Anaconda安装完成。
二、验证Anaconda安装是否成功
打开cmd,输入activate
,回车,会出现如下画面
激活之后,在“当前目录”(“C:\Users\29533”,当然不同电脑显示的“当前目录”不一样)前会显示(base),这样就已经进入了anaconda自带的基础虚拟环境。也证明anaconda安装成功。
在该状态下,如何切换回系统自带的(你自己之前安装的)python环境?
答:使用deactivate
或者conda deactivate
命令即可。
在该状态下,如何切换到其他环境?
答:使用“activate 环境名
”或者“conda activate 环境名
”即可,如下图所示。
在anaconda创建的环境里面,使用pip或者conda新安装的python函数包,与之前在系统安装的python包互不影响,相互隔离。
三、Anaconda环境创建
conda create -n 环境名 python=python版本
示例:conda create -n tensorflow1.0 python=3.7
(仅仅在本教程,推荐pyhton版本用3.7)
第一步输入:conda create -n tensorflow1.0 python=3.7
,然后回车
看到以下界面,输入: y,然后回车
如果没有提示error,而提示了上图的done,即环境创建成功。
这样,就创建了一个名为tensorflow1.0的,带python3.7版本的环境。
(只是名字叫做tensorflow1.0,并不代表它自动了安装了tensorflow1.0版本)
四、Anaconda环境激活
输入conda activate tensorflow1.0
或者 activate tensorflow1.0
,回车即可。
tensorflow的安装
五、Tensorflow1.0环境配置
环境配置分为GPU版本和CPU版本。
Tensorflow-GPU版本安装教程仅支持搭载Nvidia GPU的电脑,搭载AMD独立显卡的电脑可在网上搜索其他教程或使用下面的Tensorflow-CPU版本安装教程。
Tensorflow-CPU版本安装教程支持搭载x86架构的CPU的电脑,搭载Intel或AMD CPU的电脑均适用。
1、GPU版本
安装CUDA10.2和CUDNN7.6.5
首先安装CUDA10.2以及CUDNN7.6.5,安装和测试教程看以下链接博客的内容:https://blog.csdn.net/magic_ll/article/details/114652470
CUDA10.2和CUDNN7.6.5安装完成后,可以进行下面的步骤。
环境配置常规步骤
假如你的机器是使用Nvidia显卡,使用windows10系统,安装了最新的nvidia驱动,安装了CUDA10.2和CUDNN7.6.5,那么可以使用该流程。
首先激活conda创建的tensorflow1.0环境,然后输入以下命令:
conda install tensorflow-gpu=1.15.0
输入y,回车,安装。
使用conda list
命令查看已经安装好的tensorflow及其他相关库:
使用conda list
命令查看已经安装好的tensorflow及其他相关库:
会发现tensorboard版本是2.4.0,tensorflow-estimator版本为2.6.0
与当前tensorflow版本不匹配,假如使用当前的环境去运行测试文件,会报错。
(注意,报错仅会发生在八、测试tensorflow object detection api是否安装成功中,而不会在六、检查tensorflow1.0的GPU/CPU版本是否已经安装好这个步骤中发生。)
因此需要使用pip重新安装tensorflow-estimator(1.15.1)和tensorboard(1.15.0)
输入以下命令并且回车:
pip install tensorflow-estimator==1.15.1
pip install tensorboard==1.15.0
上述Tensorflow-gpu安装完成后,再输入以下命令,安装必要的包。
conda install Cython
conda install pillow
conda install lxml
conda install matplotlib
安装完成后,可以到六、检查tensorflow1.0的GPU/CPU版本是否已经安装好步骤。
六、检查tensorflow1.0的GPU/CPU版本是否已经安装好
启动了名为tensorflow1.0虚拟环境的cmd命令行,使用python命令,回车,进入python的环境
输入以下代码,每一行输入完按一次回车:
import tensorflow as tf
sess = tf.Session()
hello = tf.constant('hello, tensorflow!')
print(sess.run(hello))
七、安装tensorflow object detection api
新建一个models-r1.13.0文件夹
解压提供的打包文件models-r1.13.0.zip
下图为压缩包内的内容,把以下内容解压到models-r1.13.0文件夹
然后打开cmd,激活第六步创建的环境之后,把cmd的“当前目录”设置成“D:\models-r1.13.0\research”
(这是演示示例的文件夹路径,实际路径是你上一个步骤创建models-r1.13.0文件夹的路径)。
然后输入以下内容并按回车:
python setup.py install
所得结果如下图所示:
八、测试tensorflow object detection api是否安装成功
输入以下命令并回车:
python object_detection/builders/model_builder_test.py
假如最后结果显示ok,如下图所示,则表示tensorflow object detection api安装成功:
到这里,tensorflow object detection api的安装已经全部完成。