AWS使用（六）——linux下配置新anaconda环境并安装tensorflow object detection API（有root权限）

痛定思痛。 2021-11-14 14:24 248阅读 0赞

### 非root安装object detection API见[这里][Link 1] ###

# 一、创建anaconda环境，并安装tensorflow #

## 1.1 创建Python3.5版的新环境 ##

在终端输入

> \#tensorflow是环境名（自己命），python=3.5.2是待安装扩展包及版本  
> conda create --name tensorflow python=3.5.2

安装成功后如下：

![20170508212050431][]

**列出目前安装好的环境列表，看新环境是否安装成功**

conda info --envs

![20190228105403216.png][]

## 1.2 安装tensorflow ##

这里要先查一下自己显卡的驱动版本。**你要了解你电脑/服务器的显卡是什么类型，然后根据你的显卡类型选择cuda的版本，在根据cuda的版本选择cudnn的版本，最后再根据前面两种的搭配选择tensorflow-gpu的版本【2】**

**具体过程见《**[CUDN安装及对应tensorflow-gpu版本查找][CUDN_tensorflow-gpu]**》**

cuda-8.0最高支持tensorflow-1.4.0版本，**tensorflow 1.4 及以下选择cuda8.0 , 以上选择cuda9.0**【3】

我的显卡是K80的，装CUDN 9.0，显卡驱动384.XX，tensorflow1.12，python3.6或者3.5都行

关于GPU的一些基本知识可以看[这里][Link 2]有详细介绍。

先进入tensorflow环境下

activate tenserflow

安装1.12，gpu版本

conda install tensorflow-gpu==1.12

已经安装的可通过

> conda list

查看自己的codnn版本（图文不匹配）

![20190801164446451.png][]

按照上面的流程安装好python3.5，tensorflow-GPU-1.12，（原本不知道要匹配cuda版本，装的tensorflow1.10，结果运行代码时出现CUDA driver version is insufficient for CUDA runtime version错误：[https://blog.csdn.net/li57681522/article/details/82491617][https_blog.csdn.net_li57681522_article_details_82491617]）

--------------------

# 二、安装tensorflow object detection API #

## 2.1 首先安装protobuf ##

**首先安装相关的依赖包**

> $ sudo apt-get install autoconf automake libtool curl make g++ unzip

**下载protobuf安装包**

> https://github.com/google/protobuf/releases/tag/v3.5.0

我选的**3.5版本的tar.gz文件，**解压后放到你的anaconda/envs/你的环境目录下，方便删除该环境时一次性清除

解压

> tar  -zxvf   压缩文件名.tar.gz

**安装protobuf**

首先，进入你所下载的protobuf安装包的目录下面，然后依次执行以下命令：

> ./autogen.sh
> 
> ./configure
> 
> make
> 
> make check

上面最后两个命令的执行时间可能略长，半个小时左右。

> sudo  make install 
> 
> sudo ldconfig \#刷新共享库缓存

测试安装：protoc --version

如果安装正确会输出版本号。

**安装protobuf的python模块:**

首先，进入protobuf安装包下的python文件目录下，执行以下命令：

> python setup.py build
> 
> python setup.py test

安装成功会出以下结果：

![20190802095651935.png][]

> python setup.py install(如果在这一步没有权限执行的话，就用sudo python setup.py install )

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70][]

**测试安装：**

> sudo python -c 'import google.protobuf;print google.protobuf.\_\_version\_\_'

如果正常,输出`3.5.1`版本号.。

我的出现问题：

![20190802103412745.png][]

查看 'import google.protobuf‘的路径

> sudo python -c 'import google.protobuf;print google.protobuf.\_\_file\_\_'

![20190802103556760.png][]

发现它连接的是系统的默认路径，参照这个改（[https://www.pythonxyz.com/10038-install-protobuf-in-ubuntu.xyz][https_www.pythonxyz.com_10038-install-protobuf-in-ubuntu.xyz]）没效果，打开python，分步导入查路径发现是当前环境的路径，就先这样，后面看有没有影响吧。

以上就完成了编译器protobuf的安装。

## **2.2 继续安装其他依赖包** ##

这些可以在pycharm的setting界面搜索安装

> sudo apt-get install protobuf-compiler python-pil python-lxml python-tk
> 
> sudo pip install Cython    （0.29.9版本）
> 
> sudo pip install pillow    （5.0.0版本）
> 
> sudo pip install lxml         （4.3.5版本，去[这里][Link 3]看跟你电脑匹配的版本）
> 
> sudo pip install jupyter    （1.0.0版本）
> 
> sudo pip install matplotlib  //这个可以在pycharm的setting界面安装，跟python3.6对应的是matplotlib 2.2

如果在上述的安装过程遇到无法定位软件包的情况，可以先更新下  sudo apt-get update

## 2.3 下载object detection API：tensorflow/models ##

> 最新版本：git clone https://github.com/tensorflow/models.git 容易出问题，建议下老版本
> 
> 老版本： [https://github.com/Rmuli/models][https_github.com_Rmuli_models]自己下载再放到research下

## 2.4 COCO API installation ##

coco api主要是用于度量模型在COCO数据集上的分值（mAP指标等），这里可以先不装，以后用到时再装。

> git clone https://github.com/cocodataset/cocoapi.git

如果还没有安装git可以通过以下命令安装：

> sudo apt-get install git

执行完git命令后：

> cd cocoapi/PythonAPI
> 
> make
> 
> cp -r pycocotools <path\_to\_tensorflow>/models/research/

## 2.5 protobuf编译 ##

进入tensorflow/models/research/目录下执行以下命令：

> protoc object\_detection/protos/\*.proto --python\_out=.
> 
> export PYTHONPATH=$PYTHONPATH:\`pwd\`:\`pwd\`/slim

注意这里的‘pwd’要换成你目标检测api里slim文件的路径，即

![20190731224731948.png][]

你也可以将上面的命令通过增加环境变量的形式加入到~/.bashrc file.下python

> sudo vim ~/.bashrc

按“i”进入编辑模式，在最后加入：

> export PYTHONPATH=‘$\{PYTHONPATH\}:‘/absolute/path/to/models/research’:’/absolute/path/to/models/research/slim/’

这个实际上就是object detection API中slim文件的存储路径。

写好后，按“Esc”，然后“：“，再输入”wq”保存退出。命令行输入下面的命令，运行更改过的文件即可

> source ~/.bashrc

这块没配好的话，下一步的测试就会出现model找不到‘net’的情况【4】。

## 2.6 测试安装： ##

> python object\_detection/builders/model\_builder\_test.py

![20190731223333220.png][]  
这样就大功告成了！！！

--------------------

我装的是1.4.0版本，安装好Object Detection API运行后出现

> AttributeError: module 'tensorflow.python.keras' has no attribute 'Model'

故障。解决办法参考[这里][Link 4]。Ps：我用第二种方法不知道为啥不好用

# 参考： #

【0】[爬坑之旅——Tensorflow object detection API 搭建属于自己的物体识别模型][Tensorflow object detection API]

【1】linux下安装tensorflow object detection API以及 安装过程问题解决：https://blog.csdn.net/pwtd\_huran/article/details/80874791

【2】CUDA driver version is insufficient for CUDA runtime version：[https://blog.csdn.net/itnerd/article/details/88888235][https_blog.csdn.net_itnerd_article_details_88888235]

【3】AttributeError: module 'tensorflow.python.keras' has no attribute 'Model'：[https://blog.csdn.net/qq\_38343111/article/details/83994358][Link 4]

【4】TensorFlow Models:ImportError: No module named 'deployment'：[https://blog.csdn.net/w5688414/article/details/78774842][https_blog.csdn.net_w5688414_article_details_78774842]

pycharm安装：[https://blog.csdn.net/weixin\_31484477/article/details/81133590][https_blog.csdn.net_weixin_31484477_article_details_81133590]

[Link 1]: https://blog.csdn.net/qq_37764129/article/details/102480052
[20170508212050431]: /images/20211114/285a28546e564f5b8fb017352960bcdb.png
[20190228105403216.png]: /images/20211114/5b07b69e8f8942e2b4172853013e6bed.png
[CUDN_tensorflow-gpu]: https://mp.csdn.net/postedit/100568504
[Link 2]: http://www.52nlp.cn/tensorflow-gpu-install
[20190801164446451.png]: /images/20211114/c134083db22d413ea5e27bc3849ba345.png
[https_blog.csdn.net_li57681522_article_details_82491617]: https://blog.csdn.net/li57681522/article/details/82491617
[20190802095651935.png]: /images/20211114/140c724ce4064125afc453c381c36775.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3NzY0MTI5_size_16_color_FFFFFF_t_70]: /images/20211114/0a63beafc40c46f88da0b40149816a4c.png
[20190802103412745.png]: /images/20211114/26a89e7204e74eef9c9e0ee9475323bf.png
[20190802103556760.png]: /images/20211114/a972ca77613b4e0ab438153ed0422bed.png
[https_www.pythonxyz.com_10038-install-protobuf-in-ubuntu.xyz]: https://www.pythonxyz.com/10038-install-protobuf-in-ubuntu.xyz
[Link 3]: https://www.lfd.uci.edu/~gohlke/pythonlibs/#lxml
[https_github.com_Rmuli_models]: https://github.com/Rmuli/models
[20190731224731948.png]: /images/20211114/9d010caa685d4f688e6c48fa3d842bb0.png
[20190731223333220.png]: /images/20211114/4cd9df11c84e40f4b1c5a7e26b5da6ee.png
[Link 4]: https://blog.csdn.net/qq_38343111/article/details/83994358
[Tensorflow object detection API]: https://blog.csdn.net/Leon_yy/article/details/81053282
[https_blog.csdn.net_itnerd_article_details_88888235]: https://blog.csdn.net/itnerd/article/details/88888235
[https_blog.csdn.net_w5688414_article_details_78774842]: https://blog.csdn.net/w5688414/article/details/78774842
[https_blog.csdn.net_weixin_31484477_article_details_81133590]: https://blog.csdn.net/weixin_31484477/article/details/81133590