Mac OSX: 10.15
Anaconda3
參考鏈接🔗:
創建tensorflow環境:
conda create -n tflow python=3.7
激活環境tflow:
conda activate tflow
安裝tensorflow,需要選“y/N”的都選“y”:
conda install tensorflow=2.0.0
#我目前用的是tensorflow2.0,有很多和1.x函數名不兼容的情況。
安裝一些依賴:
有幾個安裝包:pillow、lxml、jupyter、matplotlib、opencv、Cython需要安裝,最好一個個安裝,例如:
conda install pillow
conda install lxml
.
.
.
選一個位置新建一個Tensorflow文件夾,去tensorflow/models下載models-master.zip,下載後解壓重命名爲models並複製到這個Tensorflow文件夾下,文件結構:
TensorFlow
└─ models
├── official
├── research
├── samples
└── tutorials
COCO API 安裝:
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
make
cp -r pycocotools <PATH_TO_TF>/TensorFlow/models/research/
make後把PythonAPI下的 pycocotools 拷貝到 Tensorflow/models/research目錄下。
tensorflow Object Detection API 需要用到protobuf用來配置模型、訓練參數,Mac下安裝protobuf:
brew install protobuf
# 然後在Tensorflow/models/research/文件夾下執行編譯:
protoc object_detection/protos/*.proto --python_out=.
編譯後會出現類似於這些文件:
修改 ~/.bashrc 環境變量:將下面的這句添加到環境變量中,可能需要sudo權限(sudo vi ~/.bashrc).
export PYTHONPATH=$PYTHONPATH:<PATH_TO_TF>/TensorFlow/models/research/object_detection
最後可以跑一下object_detection 文件夾下的object_detection_tutorial.ipynb 看看效果。
二 、安裝 labelImg :
創建一個labeling環境並激活:
conda create -n labelImg pyqt=5
activate labelImg
在Tensorflow文件夾下新建一個addons文件夾,並下載labelImg到該文件夾下, 解壓後的文件目錄爲:
TensorFlow
├─ addons
│ └── labelImg
└─ models
├── official
├── research
├── samples
└── tutorials
安裝labelImg之前需要解決依賴問題:
brew install qt
brew install libxml2
or
pip3 install pyqt5 lxml # 兩個package
# 然後在labelImg文件夾下運行:
make qt5py3
# 啓動labelImg:
python3 labelImg.py
或
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]
啓動後的軟件: