在Ubuntu16.04中搭建TensorFlow+SSD进行人脸和通用物体目标检测的环境配置及测试经验分享...
5星
- 浏览量: 0
- 大小:None
- 文件类型：PDF
简介：
本文详细记录了在Ubuntu 16.04系统下构建TensorFlow与SSD框架用于人脸及各类物体识别的全过程，包括环境配置、安装步骤及实战测试心得。适合深度学习初学者参考学习。
在Ubuntu 16.04操作系统上使用TensorFlow和SSD（Single Shot Multibox Detector）框架进行目标检测，特别是人脸与通用物体的识别任务，需要搭建特定开发环境。以下是详细的安装步骤：
**基本需求：**
- **系统**: Ubuntu 16.04 LTS
- **编程语言**: Python 3.5 或者 3.6（TensorFlow 1.12 版本不支持 Python 3.7 及以上）
- **硬件加速器**: 英伟达（NVIDIA）GPU 和相关驱动程序，具体取决于你的 GPU 型号
- **计算库**: CUDA 和 cuDNN
**安装步骤：**
1. **验证GPU是否正确识别**：
使用命令 `nvidia-smi` 检查系统中的英伟达GPU和其驱动版本。
2. **更新操作系统软件包列表**:
执行 `sudo apt-get update` 来确保所有已安装的软件都是最新的。
3. **安装NVIDIA显卡驱动程序**：
根据你的GPU型号，通过Ubuntu 16.04系统的附加驱动选项或者手动下载和安装适合版本的 NVIDIA 驱动。建议选择较低版本以保证兼容性。
4. **安装CUDA工具包**:
访问NVIDIA官方网站获取对应的操作系统和显卡型号的 CUDA 版本，然后按照官方指南进行安装。
5. **配置cuDNN库**：
同样从 NVIDIA 官网下载 cuDNN 库，并根据说明文档设置环境变量以确保其正常工作。
6. **验证CUDA和cuDNN的正确性**:
再次运行 `nvidia-smi`，确认已安装好 CUDA 和 cuDNN 并显示 GPU 信息。
**TensorFlow与SSD模型的安装：**
1. **下载并安装 TensorFlow 版本1.12**：
使用命令如 `sudo pip3 install tensorflow==1.12.0` 来获取特定版本，以确保其能兼容 SSD 模型。
2. **其他依赖项安装**：
包括Cython、contextlib2、Pillow、lxml等库的安装可以通过运行 `pip3 install --user cython contextlib2 pillow lxml jupyter matplotlib` 完成。
3. **下载SSD模型代码**:
从TensorFlow的老版本models仓库（非master分支）获取 SSD 模型源码。
4. **安装和配置SSD模型**：
根据GitHub上的指导文档进行操作，尽管某些步骤可能已经过时，但仍能有效帮助完成安装。
5. **COCO API的准备与部署**:
COCO是目标检测评估的标准库。你需要下载并编译其PythonAPI，并将其复制到你的models/research目录下。
6. **protobuf-compiler工具安装**：
安装此工具用于编译 protobuf 文件，这是TensorFlow模型定义所必需的。
完成上述步骤后，你将拥有一个能够运行 TensorFlow 1.12 和 SSD 模型的环境，并可以进行人脸和通用物体的目标检测。在训练与测试过程中可能会遇到一些问题，例如版本兼容性或环境变量配置错误等。解决这些问题时，请查阅官方文档、GitHub上的开源项目以及开发者论坛或者Stack Overflow 等资源来获取帮助。持续学习和实践会让你在这个领域更加熟练。
全部评论 (0)
