tensorflow及API配置环境

初衷

先前配置环境比较费时间，而且一直坚信配置环境是一个玄学问题；
换了笔记本重新配置，没有求谁保佑，就OK了。
这里大概记录流程。

CPU版本

• 1、安装python；
• 2、pip安装tensorflow；
• 3、API下载及解压；
• 4、proto文件编译；
• 5、cocotools安装，期间似乎需要Cpython安装；
• 6、初次报错，类似那个变量没有迭代器，找到相应文件修改即可。

注意：vs最好是2015版，不过2013没报错。

GPU版本

• 1、安装CUDA；
• 2、下载Cudnn，需要注意的是，版本和CUDA对应，下载后，将对应文件复制在CUDA相应文件夹里即可；
• 3、其余的和CPU版本相同。

一些安装技巧：
安装pycocotools：
先下载文件，然后再setup路径下执行这句命令：

python setup.py build_ext install

编译proto文件：
就是将好多proto文件转为py文件，遍历所有proto文件执行，这是从其他网站贴过来的，使用方法：在research目录下，复制这些指令执行：

protoc object_detection/protos/anchor_generator.proto --python_out=.
protoc object_detection/protos/argmax_matcher.proto --python_out=.
protoc object_detection/protos/bipartite_matcher.proto --python_out=.
protoc object_detection/protos/box_coder.proto --python_out=.
protoc object_detection/protos/box_predictor.proto --python_out=.
protoc object_detection/protos/eval.proto --python_out=.
protoc object_detection/protos/faster_rcnn.proto --python_out=.
protoc object_detection/protos/faster_rcnn_box_coder.proto --python_out=.
protoc object_detection/protos/grid_anchor_generator.proto --python_out=.
protoc object_detection/protos/hyperparams.proto --python_out=.
protoc object_detection/protos/image_resizer.proto --python_out=.
protoc object_detection/protos/input_reader.proto --python_out=.
protoc object_detection/protos/keypoint_box_coder.proto --python_out=.
protoc object_detection/protos/losses.proto --python_out=.
protoc object_detection/protos/matcher.proto --python_out=.
protoc object_detection/protos/mean_stddev_box_coder.proto --python_out=.
protoc object_detection/protos/model.proto --python_out=.
protoc object_detection/protos/multiscale_anchor_generator.proto --python_out=.
protoc object_detection/protos/optimizer.proto --python_out=.
protoc object_detection/protos/pipeline.proto --python_out=.
protoc object_detection/protos/post_processing.proto --python_out=.
protoc object_detection/protos/preprocessor.proto --python_out=.
protoc object_detection/protos/region_similarity_calculator.proto --python_out=.
protoc object_detection/protos/square_box_coder.proto --python_out=.
protoc object_detection/protos/ssd.proto --python_out=.
protoc object_detection/protos/ssd_anchor_generator.proto --python_out=.
protoc object_detection/protos/string_int_label_map.proto --python_out=.
protoc object_detection/protos/train.proto --python_out=.
protoc object_detection/protos/graph_rewriter_pb2.proto --python_out=.

LableImage安装

该文件用于深度学习中打标签，很方便。

• 1、安装annconda（先前安装最好，像我这种先前有python，后来安装ana，就会存在冲突啥，两个版本同时用也可以，但我卸载了先前的）；
• 2、安装PyQt、安装PyQt_tools，安装lxml；
• 3、下载LableImage并编译文件，执行界面就会打开。

编译指令：pyrcc5 -o resources.py resources.qrc

这里5表示那个qt版本，看自己装的是几，保持一致就可以。

注意：重装ana后，python版本可能改变，API中的文件需要重新编译。