前置作業
- 閱讀 TensorFlow Object Detection API installation documentation
- 下載 git for Windows .
- 下載 tensorflow-model repository .
下載 tensorflow-model repository
git clone <a href="https://github.com/tensorflow/models.git" rel="nofollow noopener noreferrer" target="_blank">https://github.com/tensorflow/models.git</a>
#下載到指定資料夾(如:C:\Users\<strong><em>your-username</em></strong>\tensorflow)
安裝TensorFlow
# For CPU
pip install tensorflow
# For GPU
pip install tensorflow-gpu
安裝相關模組
pip install pillow pip install lxml pip install jupyter pip install matplotlib
下載COCO API
git clone <a href="https://github.com/cocodataset/cocoapi.git" rel="nofollow noopener noreferrer" target="_blank">https://github.com/cocodataset/cocoapi.git</a>
並將檔案移動到 tensorflow/models/research的目錄當中
下載Google Protobuf
<a href="https://github.com/google/protobuf/releases/tag/v3.4.0" rel="nofollow noopener noreferrer" target="_blank">https://github.com/google/protobuf/releases/tag/v3.4.0</a>
選擇 “protoc-3.4.0-win32.zip”
C:\Program Files\
將下列路徑加到環境變數當中
系統-> 進階系統設定 -> 環境變數 -> 編輯-> 新增下列路徑
path\Anaconda3
path\Anaconda3\Scripts
path\Anaconda3\Library\bin
path-to-tensorflow\models\research
path-to-tensorflow\models\research\slim
path-to-tensorflow\models\research\object_detection
重新開機
重新開機讓環境變數生效
使用CMD
cd tensorflow\models\research
“C:\Program Files\protoc-3.4.0-win32\bin\protoc.exe” object_detection/protos/*.proto --python_out=.
到 object_detection/protos 檢查是否有 .py 檔案
測試是否成功
python object_detection/builders/model_builder_test.py
如果出現 ImportError: No module named ‘object_detection’
<strong>在Anaconda\Lib\site-packages資料夾中,寫一個tensorflow_model.pth。</strong>
<strong>內容為兩條路徑</strong>
D:\tensor-flow\models\research D:\tensor-flow\models\research\slim
開啟object_detection_tutorial.ipynb
在D:\tensor-flow\models\research\object_detection目錄底下
執行object_detection_tutorial.ipynb
官方範例:
使用自己的照片辨識
替換D:\tensor-flow\models\research\object_detection\test_images的照片
且必須以image1,image2,image3,.....為檔名
<strong>修改object_detection_tutorial.ipynb中的程式</strong>
Detection的部分 #有多張照片就要修改range範圍
TEST_IMAGE_PATHS = [ os.path.join(PATH_TO_TEST_IMAGES_DIR, 'image{}.jpg'.format(i)) for i in range(1, 3) ]
或者也可自訂程式,做更彈性的辨識
以上所述就是小编给大家介绍的《Python深度學習筆記(二):使用TensorFlow API進行圖像辨識》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 【ENVI深度学习】使用ENVI深度学习工具快速识别蔬菜大棚
- 使用PyTorch进行深度学习
- 使用 Spell 实践深度学习,几乎零配置开始使用
- SQLMAP深度解析及使用手册
- 【ENVI深度学习】使用ENVI工具快速为深度学习模块创建标签图像
- 在使用 GPU 进行深度学习时,务必使用集群管理器
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Effective JavaScript
David Herman / Addison-Wesley Professional / 2012-12-6 / USD 39.99
"It's uncommon to have a programming language wonk who can speak in such comfortable and friendly language as David does. His walk through the syntax and semantics of JavaScript is both charming and h......一起来看看 《Effective JavaScript》 这本书的介绍吧!