如果大家会使用Linux系统，就在Linux下安装TensorFlow吧，比Windows下配置环境简单多了，而且一般玩深度学习，都在Linux环境下。本文只介绍在Windows下如何配置TensorFlow和使用Object Detection API。

1 环境需要

  • Windows系统
  • Python 3.X
  • CUDA Toolkit 8与 cuDNN V6 (记住一定要用CUDA 8 和cuDNN V6 版本，其他版本我是没有跑通)
  • Object Detection 模型下载
  • protoc
  • 依赖库：Protobuf 2.6 / Pillow 1.0 / lxml /Jupyter notebook / Matplotlib/ Tensorflow

2 安装步骤

此处不介绍 Python 环境的安装步骤，如有需要，自行查之。

2.1 CUDA Toolkit 8与 cuDNN V6

用gpu来运行Tensorflow还需要配置CUDA和cuDnn库，
2.1.1  用以下link下载win10(64bit)版本CUDA安装包，大小约为1.2G              https://developer.nvidia.com/cuda-downloads

安装cuda_8.0.61_win10.exe，完成后配置系统变量，在系统变量中的CUDA_PATH中，加上三个路径， C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0(一般安装完，安装程序都会自动添加完系统环境变量)


2.1.2 用以下link下载cuDnn库  https://developer.nvidia.com/cudnn

下载解压后，为了在运行tensorflow的时候也能将这个库加载进去，我们要将解压后的文件拷到CUDA对应的文件夹下C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

2.2 Object Detection 模型下载

从github上下载模型，下载地址：https://github.com/tensorflow/models 
（下载的文件名为：models-master.zip） 


解压文件到磁盘指定目录，我的是E:\Tensorflow\ObjectDetection，重命名为models

（此包内包括各种内容，我们所用到的object_detection文件夹在E:\Tensorflow\ObjectDet

ection\models\research文件夹下）


2.3 protoc安装与编译

从https://github.com/google/protobuf/releases下载win版的工具，即：protoc-3.4.0-win32.zip，
解压到E:\Tensorflow\ObjectDetection目录下，生成：bin, include两个文件夹。
将bin文件夹中的【protoc.exe】放到C:\Windows\System32文件夹下，在E:\Tensorflow\Object
Detection\models\research文件夹下按住shift点击鼠标右键，打开命令窗口，输入protoc显示如下内
容就说明可以开始编译了。
Protobuf 编译，用protoc可执行文件编译目录object_detection/protos下的proto文件，生成Pyth
on文件。
  1. protoc object_detection/protos/*.proto --python_out=.  
我们可以看见.proto文件已经被编译为了.py文件。

2.3 依赖库下载

在Python安装文件里Scripts文件下，运行运行如下命令： 
# For CPU
pip install tensorflow
# For GPU
pip install tensorflow-gpu
pip install pillow
pip install lxml
pip install jupyter
pip install matplotlib

3 运行Demo

  用命令行 打开jupyter notebook进行测试


打开官方提供的文件：object_detection_tutorial.ipynb运行demo


在cell中选择runAll，正常的话稍等一会儿就会有结果



运行大部分时间都是用来下载模型的，此demo不需要驯良数据，模型是训练好的，运行大概需要10分钟左右。

运行结果：


4 修改模型，运行自己数据

Speed表示速度，COCO mAP表示在COCO数据集上的平均准确率，第一个ssd_mobilenet就是我们默认使用的pre-train模型  

# What model to download.
MODEL_NAME = 'ssd_mobilenet_v1_coco_11_06_2017'
#MODEL_NAME = 'faster_rcnn_resnet101_coco_11_06_2017'
#MODEL_NAME = 'ssd_inception_v2_coco_11_06_2017'
MODEL_FILE = MODEL_NAME + '.tar.gz'
DOWNLOAD_BASE = 'http://download.tensorflow.org/models/object_detection/'
# For the sake of simplicity we will use only 2 images:
# image1.jpg
# image2.jpg
# If you want to test the code with your images, just add path to the images to the TEST_IMAGE_PATHS.
PATH_TO_TEST_IMAGES_DIR = 'test_images'
TEST_IMAGE_PATHS = [ os.path.join(PATH_TO_TEST_IMAGES_DIR, 'image{}.jpg'.format(i)) for i in range(1, 3) ]
在此处修改模型和数据。
运行结果：


faster_rcnn_resnet101_coco 模型：

ssd_mobilenet_v1_coco 模型：

ssd_inception_v2_coco 模型：
























# 目标检测
GitHub 加速计划 / li / linux-dash
6
1
下载
A beautiful web dashboard for Linux
最近提交(Master分支：3 个月前 )
186a802e added ecosystem file for PM2 4 年前
5def40a3 Add host customization support for the NodeJS version 4 年前
Logo
GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

[转载]在Windows环境下安装GNU Radio

转自：在Windows环境下安装GNURadio_恐弱智_新浪博客GNU Radio是用Python开发的，大部分开源的工程能够在Linux环境下运行良好，而Windows下却运行的很勉强，而且安装配置都很复杂。GNU Radio算是个例外了，不光提供了Windows的二进制安装，还有比较详细的说明。我是Python小白，所以折腾了好久才弄好，特意记录下来，免得以后再装还折腾。GNU Radio的

avatar GitCode 开源社区

centOS 8 使用dnf安装Docker

DNF是什么？CentOS 8使用YUM软件包管理器版本v4.0.4。现在，该版本使用DNF(已删除YUM)。DNF是软件包管理器。它会在Linux发行版上安装，执行更新并删除软件包。使用DNF安装Docker跳过具有损坏依赖性的程序包一个有效的解决方案是使您的CentOS 8系统使用以下--nobest命令安装最符合条件的版本：sudo dnf install docker...

avatar GitCode 开源社区

定时同步数据库表(mysql+linux+crontab)

sync.sh里面的参数需要改变，ip/username/password/database/tablesync.sh#!/bin/sh# Please change the IP and password of the data source db.# Then change the table name.filename=/home/nington/db/$(date +%Y-%m

avatar GitCode 开源社区