tensorflow深度学习第二版（WSL的深度学习环境）

在Github的tensorflow官网里，可以找到Tensorflow的模型花园（Model Garden），里面有很多tensorflow的SOTA（state-of-the-art ）模型和项目。https://github.com/tensorflow/models

tensorflow的模型花园

我们只关注其中在research下的一个项目：object_detection（目标检测）。为前面安装好的WSL和Anaconda配置一个tensorflow的运行环境，能够运行起来这个目标检测项目下的Jupyter notebook：object_detection_tutorial.ipynb，网上和许多计算机视觉书籍都有关于这个目标检测代码的解释。https://github.com/tensorflow/models/tree/master/research/object_detection

tensorflow的目标检测

通过git下载这个models目录（其实只有research目录有用）非常费时间，网络上已经有人下载好了，大家可以到百度搜索这个网盘资源，但是从Github可以下载到最新的版本（目前还在有部分更新）。

把research目录移动到home目录下，现在开始安装tensorflow。

激活前面已经创建好的tensorflow：

source activate tensorflow

• 安装1.14版本的tensorflow

conda install tensorflow=1.14

• 降级numpy到1.16

安装完成后，用conda list命令可以查看到numpy可能是高于1.16版本的1.18，只是后需要降级安装。安装命令如下：

conda install numpy=1.16

• 编译proto文件

进入到刚才下载的research目录，用protoc命令生成protos目录下proto协议文件的python文件。

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

Google Protocol Buffer( 简称 Protobuf) 是 Google 公司内部的混合语言数据标准。他们用于 RPC 系统和持续数据存储系统。提供一个具有高效的协议数据交换格式工具库(类似Json)。但相比于Json，Protobuf有更高的转化效率，时间效率和空间效率都是JSON的3-5倍。可用于通讯协议、数据存储等领域的语言无关、平台无关、可扩展的序列化结构数据格式。protoc是proto文件的编译工具。

• 运行research目录下的setup.py

python setup.py build python setup.py install

• 创建模型测试

还在reaserch目录下，运行创建模型的测试文件

python object_detection/builders/model_builder_test.py

这时会报一些没有找到模块的错误，一一搜索百度安装即可。

例如：ModuleNotFoundError: No module named 'matplotlib'

conda install matplotlib

当测试通过，会看到如图结果：

model_builder_test通过的结果

• 运行Jupyter服务

jupyter notebook

启动Jupyter服务

由于WSL没有安装可视化的图形界面，就没有浏览器可以调出，所以只能拷贝上图中的链接地址，在Windows下打开浏览器输入。看到如下的网页：

jupyter notebook网页

在object_detection目录下找到这个.ipynb的文件，点击打开。

Demo程序运行

点击上面的Run按钮可以单步调试运行，如果只是警告，可以得到最后运行的结果如图：

运行结果

• 前面可能遇到的问题：

• 如果安装了2.0版本的tensorflow，需要卸载根除所有tensorflow版本，再重新安装

conda uninstall tensorflow

• ModuleNotFoundError: No module named 'absl'

conda install absl-py

• ModuleNotFoundError: No module named 'PIL'

conda install pillow

• AttributeError: module 'tensorflow' has no attribute 'contrib'

Tensorflow 需要降级, 如果是 'keras' 需要tensorflow升级