Tensorflow学习笔记2: Object_detection之liunx服务器安装部署步骤记录
环境:centos7+anaconda python3.6
步骤:
1、下载Models
cd 到预存放目录下,执行:
1 | git clone https: / / github.com / tensorflow / models |
2、cd 到 resarch 目录下执行:
1 | python setup.py install |
setup.py 文件目的:添加必要的缺失包为 object_detection 模块
3、cd 到 object_detection 目录,参照Installation进行安装
在安装之前,先创建虚拟环境,避免其他模块互相影响,执行:
1 2 | # name后面可以自己拟定 conda create - - name tf - object_detection python = 3.6 <br> # 进入虚拟环境<br>source activate tf-object_detection |
1 2 3 4 5 6 7 8 | # 进行相关包安装<br># For CPU pip install tensorflow pip install - - user Cython pip install - - user contextlib2 pip install - - user pillow pip install - - user lxml pip install - - user jupyter pip install - - user matplotlib |
成功进入虚拟环境会出现如下标志:
4、编译
1 | protoc object_detection / protos / * .proto - - python_out = . |
如若出现如下错误:
则在 research 目录下执行:
1 2 3 | # From tensorflow/models/research/ wget - O protobuf. zip https: / / github.com / google / protobuf / releases / download / v3. 0.0 / protoc - 3.0 . 0 - linux - x86_64. zip unzip protobuf. zip . / bin / protoc object_detection / protos / * .proto - - python_out = . |
执行完后不会有任何提示,则算成功
测试 tensorflow 是否成功安装
1 2 3 4 | import tensorflow as tf hello = tf.constant( 'Hello, TensorFlow!' ) sess = tf.Session() print (sess.run(hello)) |
出现如下结果表示成功
5、添加环境变量
1 2 | # From tensorflow/models/research/ export PYTHONPATH = $PYTHONPATH:`pwd`:`pwd` / slim |
6、执行测试文件
1 | python object_detection / builders / model_builder_test.py |
出现如下结果则表示成功安装
7、执行 demo 文件
在 object_detection 目录下面找到 object_detection_tutorial.ipynb 文件
在 liunx 服务器上执行 jupyter notebook 需要使用到浏览器,由于本机没有安装,该部分暂时没有显示
执行步骤:
1 | jupyter notebook --ip=0.0.0.0 --port=8080 |
会出现:
使用提供的 URL 访问文件夹 object_detection,运行 object_detection_tutorial.ipynb,一步步执行即可。
8、退出虚拟环境
1 | source deactivate tf - object_detection |