Windows上搭建Tensorflow object detection API 的環境相關操作
最近嘗試建立Tensorflow object detection API 的環境，最終成功實現。這個API執行與CPU，沒有做GPU的加速，因此也沒安裝GPU相關的外掛。
1.我的電腦
win7-64位
RAM：4G
CPU：i5-3230M
用到的東西：
Anaconda 3-5.1.0
jupyter對應的瀏覽器：搜狗
TensorFlow
...................
2.參考資料
https://blog.csdn.net/dy_guox/article/details/79081499
https://blog.csdn.net/r1254/article/details/76735740
https://blog.csdn.net/RobertChenGuangzhi/article/details/50499274
https://blog.csdn.net/caicai_zju/article/details/70245099
https://blog.csdn.net/comway_Li/article/details/81434358
3.安裝Anaconda
下載Anaconda3-5.1.0-Windows-x86_64的安裝包，安裝位置可以修改為非C盤，最好不要出現中文路徑吧，一路next，出現下圖的時候把兩個都勾選起來，繼續next
安裝好之後開啟cmd，輸入：conda --version
如果輸出像下面箭頭那樣，就是安裝成功了。
4.安裝Python
這個版本的anaconda所附帶的Python是3.6版本，但TensorFlow所能適應的版本是3.5版本，所以需要先搞一個3.5的Python環境。操作為：在cmd裡面輸入
conda create --name python35 python=3.5 我這裡的python35是代表著可以適應TensorFlow的Python3.5環境，原英文文件的這個名字是TensorFlow，但本質是一樣的。這裡的3.5會令Python選擇3.5.x中的最高版本。等待一段時間，下載安裝完成之後，在cmd輸入：conda info --envs
5.安裝TensorFlow
TensorFlow一般入門的是CPU版本，稍微高階一點的是GPU版本，這裡我只安裝CPU的。先在cmd裡面輸入
activate python35來啟用現在的Python35環境，以後想退出這個環境就deactivate，下圖就是進入了Python35環境的效果。
然後在python35的環境下，使用pip安裝tensorflow，輸入：
pip install --upgrade --ignore-installed tensorflow驗證安裝是否成功，在35環境下輸入python，來在cmd裡面開啟Python，輸入如下程式碼，如果輸出是b'good'那就是初步成功了。
import tensorflow as tf
hello = tf.constant('good')
sess = tf.Session()
print(sess.run(hello))安裝spyder和ipython等外掛：開啟Anaconda Navigator，在下圖箭頭那裡搜尋spy和ipy找到spyder和ipython進行勾選，然後點左下角綠色的apply，之後會出現一系列要一起安裝的，繼續apply就行了。這裡安裝的外掛可能還是不夠的，等一下的操作會知道那些不夠，然後再來補充。
6.下載Tensorflow object detection API
https://github.com/tensorflow/models
從github上下載專案（右上角“Clone or download”-"DownloadZIP"），解壓，放去沒有中文路徑的資料夾裡面，這裡解壓出來的檔名是models-master。
7.Protobuf 安裝與配置
https://github.com/google/protobuf/releases
在列表的最下面找到Windows版本，我是用了3.4.0版本，之前用過3.6，進行下面的操作的出錯，就用回這個3.4版。解壓，將bin下面的protoc.exe放到C:\Windows。
cmd把預設資料夾進入剛才步驟6的models-master\research目錄，然後輸入：
protoc object_detection/protos/*.proto --python_out=.這裡可能報錯，大概是找不到protoc的意思，重啟試試 ，可能剛才放完exe之後Windows還沒更新過來。然後也可能報錯說找不到資料夾或檔案之類，就是什麼的*起不到遍歷的作用，這個時候就要把*換成protos資料夾下面每一個.protos檔案的名字，逐個來手動操作，按了回車之後產生了該檔案對應的.py檔案cmd框裡沒報錯，那就是OK了一個，下圖是我逐個操作出來的結果。
8.PYTHON環境變數配置
在 環境變數-系統變數 中新建名為‘PYTHONPATH’的變數，輸入D:\Py\models-master\research;D:\Py\models-master\research\slim
這個是我電腦的檔案路徑，自己的電腦自己稍微修改一下。然後重啟電腦。
測試這個API，啟用python35（每次都要啟用的），把cmd的預設路徑弄到;D:\Py\models-master\research 然後輸入：
python object_detection/builders/model_builder_test.py沒報錯就說明是這個api可以。如果出現類似於：ImportError: No module named "xxxxxxxx" 那麼說明anaconda裡面還缺失這個xxxxx外掛，參考步驟5，在Anaconda Navigator介面裡找到這個xxxxx，然後apply。有一個例外，就是缺失pil的時候，有時候會出現問題，用旁邊的pilow外掛來代替apply就行了， 這個相當於升級版。
9.測試自帶案例
開啟Anaconda3-Anaconda Promp，啟用python35，目錄cd到D:\Py\models-master\research\object_detection
輸入jupyter notebook來開啟網頁，網頁檔案中的 object_detection_tutorial.ipynb，然後點選上方的 “Cell”-"Run All"，就會執行，In[ ]那裡出現* 就說明正在執行。如果執行成功，兩三分鐘後，會出現下面的景象：
可以出現以上畫面的話，說明Tensorflow object detection API 的環境搭建與測試工作完成。
run-all的時候，可能會出現一些問題：
①在執行時，報import matplotlib; matplotlib.use('Agg') # pylint: disable=multiple-statemen錯誤，將from matplotlib import pyplot as plt 改為import matplotlib.pyplot as plt即可解決這個錯誤。
②報一大串，包括最下面有“ImportError: Could not find 'cudart64_90.dll'. TensorFlow requires that this........”，這個是因為我一開始安裝過GPU版的TensorFlow，去Anaconda3-Anaconda Promp那裡把這個解除安裝掉。
③出現“ImportError: No module named tensorflow ”，可能是這個jupyter有問題，強行在Anaconda3-Anaconda Promp裡重新安裝一次這個jupyter
activate python35 #啟用tensorflow環境
conda install ipython
conda install jupyter
jupyter notebook #重新開啟jupyter notebook=======================以上就是建立好了這個環境========================
可以對程式碼進行修改一下，改變一下功能
1.加入其它的檢測圖片，在object_detection資料夾下面見建立一個類似於test_images的資料夾，放自己想檢測的照片進去，改下面的這3個地方：新的資料夾的名字、資料夾裡照片簇的名字、照片數量。然後就run-all
2.換模型，預設的模型是最簡單快速的模型，可以在下面那裡改成你想用的模型的名字，然後就直接執行就OK了
注意了，名字一定要是全名，這些可選的模型彙集於：
3.一個模型的第一次執行會慢很多，因為需要下載這個模型，第一次過後，可以吧Download Model部分的程式碼註釋掉，就會快一些。另外，新模型的第一次也可以在上面的網址那裡下載想要的模型，解壓，解壓出的關鍵資料夾是裡面有包含一個.pb檔案的那個，把整個資料夾複製到detection_objection資料夾下，這樣就可以不下載了，第一次也可以把Download Model註釋掉，直接run-all 。
=============================OVER=OVER=====================================