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：

git clone https://github.com/tensorflow/models

2、cd 到resarch目录下执行：

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：

# name后面可以自己拟定
conda create --name tf-object_detection python=3.6
# 进入虚拟环境
source activate tf-object_detection

# 进行相关包安装
# 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

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

如若出现如下错误：

则在research目录下执行：

# 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

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

# From tensorflow/models/research/
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

6、执行测试文件

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：

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

source deactivate tf-object_detection