TensorFlow 2 Object Detection API 环境搭建与测试（Windows)

2023年5月24日下午7:53 • 人工智能 • 阅读 84

参照博主dy_guox的帖子：
原文地址
建设环境，但原帖是一年多前原博主写的，在我的建设过程中有一些弯路。

[En]

Build the environment, but the original post was written by the original blogger more than a year ago, and there are some detours in my construction process.

记录更新的施工过程。

[En]

Record the construction process of the update.

因为我的旧电脑是win7系统，无法安装最新版的cuda,因此选择和原博主一样的版本，版本虽然旧但不影响学习。

系统配置

Software versionsOSWindows, LinuxPython3.8TensorFlow2.2.0CUDA Toolkit10.1CuDNN7.6.5Anaconda Navigator2.1.1

安装Anaconda。
下载地址： https://www.anaconda.com/products/individual
Anaconda安装过程网上有很多，此处略过.

接下来创建一个单独的conda环境

开始菜单 – Anaconda 3- Anaconda Prompt
创建一个名为’tf’的新环境，Python 3.8版本
命令行如下：（也可以有 Anaconda Navigator里点击”Environments”创建）

conda create -n tensorflow pip python=3.8

激活此环境

conda activate tf

这将在命令之前具有环境名称，例如：

[En]

this will have the name of the environment before the command, such as:*

(tf) C:\Users\xxx>

所有新的python插件安装都在此环境（Terminal）下进行

写本文时Tensorflow已经发行到2.8.0版本，如果直接安装Tensorflow将会安装最新版2.8.0，与我们要安装的可以在Win7运行的CUDA Toolkit 10.1不兼容，因此通过命令行安装指定版本

pip install tensorflow==2.2.0

安装好以后，输入

python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

可以得到类似如下输出

2022-03-03 20:46:47.246800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudart64_101.dll
2022-03-03 20:46:51.783800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library nvcuda.dll
2022-03-03 20:46:51.909800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
561] Found device 0 with properties:
pciBusID: 0000:01:00.0 name: Quadro M1000M computeCapability: 5.0
coreClock: 1.0715GHz coreCount: 4 deviceMemorySize: 2.00GiB deviceMemoryBandwidt
h: 74.65GiB/s
2022-03-03 20:46:51.918800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudart64_101.dll
2022-03-03 20:46:51.929800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cublas64_10.dll
2022-03-03 20:46:51.938800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cufft64_10.dll
2022-03-03 20:46:51.946800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library curand64_10.dll
2022-03-03 20:46:51.956800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cusolver64_10.dll
2022-03-03 20:46:51.967800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cusparse64_10.dll
2022-03-03 20:46:51.987800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudnn64_7.dll
2022-03-03 20:46:52.003800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
703] Adding visible gpu devices: 0
2022-03-03 20:46:52.009800: I tensorflow/core/platform/cpu_feature_guard.cc:143]
 Your CPU supports instructions that this TensorFlow binary was not compiled to
use: AVX2
2022-03-03 20:46:52.028800: I tensorflow/compiler/xla/service/service.cc:168] XL
A service 0x69b8bc60 initialized for platform Host (this does not guarantee that
 XLA will be used). Devices:
2022-03-03 20:46:52.038800: I tensorflow/compiler/xla/service/service.cc:176]
StreamExecutor device (0): Host, Default Version
2022-03-03 20:46:52.049800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
561] Found device 0 with properties:
pciBusID: 0000:01:00.0 name: Quadro M1000M computeCapability: 5.0
coreClock: 1.0715GHz coreCount: 4 deviceMemorySize: 2.00GiB deviceMemoryBandwidt
h: 74.65GiB/s
2022-03-03 20:46:52.065800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudart64_101.dll
2022-03-03 20:46:52.071800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cublas64_10.dll
2022-03-03 20:46:52.078800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cufft64_10.dll
2022-03-03 20:46:52.085800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library curand64_10.dll
2022-03-03 20:46:52.091800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cusolver64_10.dll
2022-03-03 20:46:52.100800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cusparse64_10.dll
2022-03-03 20:46:52.106800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudnn64_7.dll
2022-03-03 20:46:52.120800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
703] Adding visible gpu devices: 0
2022-03-03 20:46:53.766800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
102] Device interconnect StreamExecutor with strength 1 edge matrix:
2022-03-03 20:46:53.773800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
108]      0
2022-03-03 20:46:53.778800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
121] 0:   N
2022-03-03 20:46:53.794800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
247] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 wit
h 1420 MB memory) -> physical GPU (device: 0, name: Quadro M1000M, pci bus id: 0
000:01:00.0, compute capability: 5.0)
2022-03-03 20:46:53.810800: I tensorflow/compiler/xla/service/service.cc:168] XL
A service 0x94a3aef0 initialized for platform CUDA (this does not guarantee that
 XLA will be used). Devices:
2022-03-03 20:46:53.818800: I tensorflow/compiler/xla/service/service.cc:176]
StreamExecutor device (0): Quadro M1000M, Compute Capability 5.0
tf.Tensor(1110.8943, shape=(), dtype=float32)

以上是CPU版本

若要安装在 GPU 上运行 TensorFlow，还要安装所需的驱动程序和其他软件
(假设使用的3.8版本python)

系统要求Nvidia GPU(GTX 650 or newer)CUDA Toolkitv10.1CuDNN7.6.5

https://developer.nvidia.com/cuda-toolkit-archive 选择对应版本 10.1，具体安装教程见 https://docs.nvidia.com/cuda/archive/10.1/cuda-installation-guide-microsoft-windows/index.html

进入 https://developer.nvidia.com/rdp/cudnn-download
创建帐号，登录
选择 cuDNN v7.6.5 (Nov 5, 2019), for CUDA 10.1 对应CUDA版本
下载 cuDNN v7.6.5 Library for Windows 10
解压 zip 文件到 CUDA安装目录

开始菜单搜索 ‘environment variables’ 或者’系统变量’ ，或者桌面右键’此电脑’- 属性-高级-环境变量

在系统变量中找到’PATH’，编辑，加入以下路径（

*
*
*

http://www.nvidia.com/Download/index.aspx下载更新驱动

此时最好重启一下电脑。

再次激活anaconda ‘tf’环境，输入

python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

得到类似输出

2022-03-03 21:05:08.385800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudart64_101.dll
2022-03-03 21:05:12.660800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library nvcuda.dll
2022-03-03 21:05:12.801800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
561] Found device 0 with properties:
pciBusID: 0000:01:00.0 name: Quadro M1000M computeCapability: 5.0
coreClock: 1.0715GHz coreCount: 4 deviceMemorySize: 2.00GiB deviceMemoryBandwidt
h: 74.65GiB/s
2022-03-03 21:05:12.816800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudart64_101.dll
2022-03-03 21:05:12.828800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cublas64_10.dll
2022-03-03 21:05:12.842800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cufft64_10.dll
2022-03-03 21:05:12.849800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library curand64_10.dll
2022-03-03 21:05:12.862800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cusolver64_10.dll
2022-03-03 21:05:12.875800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cusparse64_10.dll
2022-03-03 21:05:12.895800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudnn64_7.dll
2022-03-03 21:05:12.914800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
703] Adding visible gpu devices: 0
2022-03-03 21:05:12.921800: I tensorflow/core/platform/cpu_feature_guard.cc:143]
 Your CPU supports instructions that this TensorFlow binary was not compiled to
use: AVX2
2022-03-03 21:05:12.939800: I tensorflow/compiler/xla/service/service.cc:168] XL
A service 0x61d0e890 initialized for platform Host (this does not guarantee that
 XLA will be used). Devices:
2022-03-03 21:05:12.950800: I tensorflow/compiler/xla/service/service.cc:176]
StreamExecutor device (0): Host, Default Version
2022-03-03 21:05:12.961800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
561] Found device 0 with properties:
pciBusID: 0000:01:00.0 name: Quadro M1000M computeCapability: 5.0
coreClock: 1.0715GHz coreCount: 4 deviceMemorySize: 2.00GiB deviceMemoryBandwidt
h: 74.65GiB/s
2022-03-03 21:05:12.973800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudart64_101.dll
2022-03-03 21:05:12.980800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cublas64_10.dll
2022-03-03 21:05:12.987800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cufft64_10.dll
2022-03-03 21:05:12.995800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library curand64_10.dll
2022-03-03 21:05:13.001800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cusolver64_10.dll
2022-03-03 21:05:13.008800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cusparse64_10.dll
2022-03-03 21:05:13.015800: I tensorflow/stream_executor/platform/default/dso_lo
ader.cc:44] Successfully opened dynamic library cudnn64_7.dll
2022-03-03 21:05:13.031800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
703] Adding visible gpu devices: 0
2022-03-03 21:05:14.591800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
102] Device interconnect StreamExecutor with strength 1 edge matrix:
2022-03-03 21:05:14.600800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
108]      0
2022-03-03 21:05:14.605800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
121] 0:   N
2022-03-03 21:05:14.622800: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1
247] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 wit
h 1419 MB memory) -> physical GPU (device: 0, name: Quadro M1000M, pci bus id: 0
000:01:00.0, compute capability: 5.0)
2022-03-03 21:05:14.641800: I tensorflow/compiler/xla/service/service.cc:168] XL
A service 0x93c96920 initialized for platform CUDA (this does not guarantee that
 XLA will be used). Devices:
2022-03-03 21:05:14.652800: I tensorflow/compiler/xla/service/service.cc:176]
StreamExecutor device (0): Quadro M1000M, Compute Capability 5.0
tf.Tensor(-186.61127, shape=(), dtype=float32)

包含GPU信息，说明GPU版本已经安装成功。

https://github.com/tensorflow/models

从github上下载项目（右上角”Clone or download”-“DownloadZIP”），下载到本地目录（避免中文和空格），解压.

因为我的工作环境是在anaconda里建立的，因此放到anaconda的tf虚拟环境下的tensorflow文件夹，我的目录位置如下：
C:\ProgramData\Anaconda3\envs\tf\Lib\site-packages\tensorflow

在 https://github.com/google/protobuf/releases 网站中选择windows 版本（最下面），解压后将bin文件夹中的【protoc.exe】放到models\research文件夹

在models\research\目录下打开命令行窗口，输入：


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

在这一步有时候会出错，可以尝试把/*.proto 这部分改成文件夹下具体的文件名，一个一个试，每运行一个，文件夹下应该出现对应的.py结尾的文件。不报错即可。

TensorFlow 2 需要安装COCO API，而且最好在 object detection api之前安装，不然很有可能报错。

在安装COCO API之前，还需要确认已经安装

Visual C++ 2015 Build Tools https://go.microsoft.com/fwlink/?LinkId=691126
然后在tensorflow环境终端输入

pip install cython
pip install git+https://github.com/cocodataset/cocoapi.git
pip install pycocotools
pip install pycocotools-windows -i https://pypi.tuna.tsinghua.edu.cn/simple

tensorflow环境终端 cd 到对应路径, 此处原博主的方法在我的电脑上无效，也是我花费最多时间摸索的步骤

cd /d TensorFlow/models/research/object_detection/packages/tf2

python setup.py install

博主dy_guox的检验方法在这里就不灵了
感谢博主Jokic_Rn的文章帮我一个大忙，原文地址
https://blog.csdn.net/weixin_44823313/article/details/113115245

打开anaconda prompt激活tensorflow环境
定位到object_detection_tutorial.ipynb所在目录research\object_detection\colab_tutorials
在tf环境内定位到colab_tutorials文件夹，用以下命令打开jupyter notebook(如果没安装用conda install jupyter notebook安装)

(tf) TensorFlow\models\research\object_detection\colab_tutorials>jupyter notebook

在Jupyter notebook里打开object_detection_tutorial.ipynb,选中命令单元后，点击”Cell”–”Run All Below”

import os
import pathlib

if "models" in pathlib.Path.cwd().parts:
  while "models" in pathlib.Path.cwd().parts:
    os.chdir('..')
elif not pathlib.Path('models').exists():
  !git clone --depth 1 https://github.com/tensorflow/models

如果报错No module named ‘object_detection’ ，解决办法：在导入模块前加入
!pip install tensorflow-object-detection-api，如下

!pip install tensorflow-object-detection-api
from object_detection.utils import ops as utils_ops
from object_detection.utils import label_map_util
from object_detection.utils import visualization_utils as vis_util

至此，原始样图中的狗、人和风筝就会出现。

[En]

At this point, the dogs, people and kites in the original sample picture will appear.

最后，我要感谢两位前博客作者的文章。如果你有任何问题，请到原博主的评论中询问，我是一个初学者，只是修改过时的内容。

[En]

Finally, I would like to thank the two former bloggers for their articles. If you have any questions, go to the comments of the original blogger to ask, I am a beginner, just change the outdated content.

Original: https://blog.csdn.net/idfengming/article/details/123262822
Author: Firmin123456
Title: TensorFlow 2 Object Detection API 环境搭建与测试（Windows)

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/509173/

转载文章受原作者版权保护。转载请注明原作者出处！

人工智能

【自取】最近整理的，有需要可以领取学习：

Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言刷题答案下载！

聚类方法汇总

聚类(Clustering)：按照某个特定标准(如：距离)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对…

人工智能 2023年6月13日
0082
相机标定，内参数与外参数

相机标定简介所谓的相机标定就是将外界世界的坐标信息转化为计算机（自带相机/摄像头）可以理解的”距离”，将世界坐标系转换到相机坐标系。我们可以理解为从一个…

人工智能 2023年5月26日
0072
机器学习强基计划5-3：图文详解因子分解与独立图I-Map(附例题分析+Python实验)

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。”深”在详细推导算法模型背后的数学原理；”广”在分析多个机器学习模型…

人工智能 2023年7月3日
0059
广义交叉熵 GCE Generalized Cross Entropy Loss 的解释

Generalized Cross Entropy Loss for Training Deep Neural Networks with Noisy Labels论文链接：htt…

人工智能 2023年7月13日
0062
【华为OD机试真题23 JAVA】单词倒序

抵扣说明： 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。 Original: https://blo…

人工智能 2023年7月31日
0048
APU工业控制领域应用

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 APU在工业控制领域的应用前言一、应用领域分析二、工业控制场景概述 * 三、典型APU厂商【1】AMD 【…

人工智能 2023年7月10日
0041
ubuntu环境下安装opencv教程及测试

目录一、安装opencv （1)下载opencv-3.4.15数据包 (2)解压缩包 (3)使用 cmake 安装 opencv （4）配置环境（5）检验二、实例使用…

人工智能 2023年6月19日
0097
【计算机视觉基础】最大核聚类，采用Canny等边缘滤波方法对图像边缘提取，提取图像的Harris角点特征并进行沃罗诺伊与德劳内网格划分，显示沃罗诺伊划分的最大核聚类，详细的最大核聚类计算算法

问题描述如下：分别采用Sobel、Prewitt、Canny边缘滤波方法对一张彩色进行边缘特征提取，并分别显示对应的边缘图像，获取要求1中彩色图像上的Harris角点特征，基于…

人工智能 2023年6月2日
0086
论文解读：ProteinBERT: a universal deep-learning model of protein sequence and function

目录 1. 研究背景 2. 研究数据 * 2.1 预训练的蛋白质数据集 2.2 蛋白质基准数据集 3. 研究方法 * 3.1 序列和标注编码 3.2 蛋白质序列和注释的自我监督预训…

人工智能 2023年7月13日
0083
labelGo使用错误记录

labelGo使用错误记录错误一 AttributeError: Can’t get attribute ‘SPPF’ on models.common’ from ‘C:/Us…

人工智能 2023年7月12日
0089
使用ResNet50对QuickDraw数据集做图像分类

前言 quickdraw数据集是序列数据集，包含画画的动作等信息。我将quickdraw数据集转换成黑底白字的png图片，对其做多分类。本文使用pytorch，和预训练过的resn…

人工智能 2023年7月17日
0081
改进YOLOv5系列：27.YOLOv5 结合 Swin Transformer V2结构，Swin Transformer V2：通向视觉大模型之路

最新创新点改进推荐 -💡统一使用 YOLO 代码框架，结合不同模块来构建不同的YOLO目标检测模型。 🔥 《芒果书》系列改进专栏内的改进文章，均包含多种模型改进方式，均适用于 Y…

人工智能 2023年7月28日
0071
图数据挖掘！使用图分析+AI进行保险欺诈检测

💡 作者：韩信子@ShowMeAI📘 机器学习实战系列：https://www.showmeai.tech/tutorials/41📘 本文地址：https://www.showm…

人工智能 2023年6月19日
0086
【三维目标检测】3DSSD（二）

本文为博主原创文章，未经博主允许不得转载。本文为专栏《python三维点云从基础到深度学习》系列文章，地址为”https://blog.csdn.net/suiying…

人工智能 2023年7月9日
0083
【深度学习】卷积神经网络

卷积运算卷积运算是卷积神经网络的基本组成部分以图像识别为例：神经网络的前几层检测边缘，在后面一些层可能检测到物体的部分，更靠后层可能检测到完整的物体例如：下面这张图片让计算…

人工智能 2023年7月14日
0061
机器学习——集成学习实验

实验名称：实验四、集成学习一、实验目的（1）掌握 AdaBoost 算法、随机森林算法的基本原理；（2）掌握 AdaBoost 算法实现和使用方法、以及随机森林算法的使用方法。…

人工智能 2023年7月5日
0076

2024 年 5 月
一	二	三	四	五	六	日
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31

TensorFlow 2 Object Detection API 环境搭建与测试（Windows)

系统配置

大家都在看