1.环境配置
2.数据集获取
3.训练集获取
4.训练
5.调用测试训练结果
本文是第一篇，环境配置篇。
先打开tensorflow object detection api 看看需要什么配置。
Tensorflow Object Detection API depends on the following libraries:
- Protobuf 3.0.0
- Python-tk
- Pillow 1.0
- lxml
- tf Slim (which is included in the "tensorflow/models/research/" checkout)
- Jupyter notebook
- Matplotlib
- Tensorflow (>=1.9.0)
- Cython
- contextlib2
- cocoapi
在安装之前，我们先把这个object detection model 给git下来，在任意目录下，命令行输入以下命令。
git clone https://github.com/tensorflow/models.git
完成之后就能看到一个model文件夹，当然，git命令使用的基础是你已经安装了git，怎么安装git自己百度吧。。
下一步安装tensorflow，安装过的可以直接跳过。
# 如果你要用CPU，就用下面的代码pip install tensorflow#如果你用GPU，就用这里的代码pip install tensorflow-gpu
当然，pip命令使用的基础是你已经安装了pip，如果你不会安装，请自行百度。
我默认你已经完成了上面的操作，下面就开始安装其他东西。
sudo apt-get install protobuf-compiler python-pil python-lxml python-tkpip install --user Cythonpip install --user contextlib2pip install --user jupyterpip install --user matplotlib
命令行里输入以上的命令，完成Cython等库的安装。
下一步至关重要，你需要安装COCOAPI。
在任何一个目录下将cocoapi 给git下来，进入python api目录，编译。
然后进入之前输入make之后的指令，清注意将<path_to_tensorflow>替换为models之前的绝对路径。
git clone https://github.com/cocodataset/cocoapi.gitcd cocoapi/PythonAPImakecp -r pycocotools <path_to_tensorflow>/models/research/
这里你已经完成了很多工作，从models/research执行以下命令
# From tensorflow/models/research/protoc object_detection/protos/*.proto --python_out=.#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.zipunzip protobuf.zip# From tensorflow/models/research/./bin/protoc object_detection/protos/*.proto --python_out=.
这段代码完成了对protobuf的编译工作，这只适用于linux。
接下来就是将pythonpath添加进path
# From tensorflow/models/research/export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
接下来就是测试是否安装成功了。
python object_detection/builders/model_builder_test.py
输入以上指令，如果出现
.....................----------------------------------------------------------------------Ran 21 tests in 0.074sOK
表明你安装成功了。准备下一步吧。
[神经网络]一步一步使用Mobile-Net完成视觉识别（一）
原文地址：https://www.cnblogs.com/aoru45/p/9858520.html