这是机器未来的第四篇文章
在前面写：
@[TOC]
TensorFlow对象检测API，它可以轻松构建，训练和部署对象检测模型，并提供许多可可数据集，KITTI数据集，打开图像数据集，AVA v2.1数据集和Inaturist SpeciestHe speciestHe检测数据集提供PRE -TRAING TRAINGARING TRAINGARE TRAINGARING TRAINGARING TRAINGARING TRAINGARING TRAINGARING TRAINGARING TRAINGARING TRAINCH MODECT模型套。
kites_detections_output
TensorFlow对象检测API是最主流目标检测框架之一。主流目标检测模型如图所示：
SNIPASTE20220513_094828
为了在本手册中成功安装Tensroflow对象检测API，请参阅Windows GPU深度学习开发环境的Windows部署以进行安装。
如果您自己创建安装条件，请确保满足以下条件
本手册使用Docker操作环境。
启动Docker桌面客户端，如图所示：
1
您可以在使用终端工具的Windows平台上启动命令行工具或Windows终端工具。
输入以下命令以查看当前现有图像列表
您可以看到以前安装的TensorFlow-2.8.0-GPU-Jupyter图像。现在这个镜子启动容器
命令解释：Docker Run：指示一个基于镜像的启动容器-gpus -gpus all：如果没有此选项，NVIDIA -SMI命令将不可用-I：Interactive operation.t：terminal.t：terminal. -d：terminal.d：在后台，您需要在容器-v e：/dockerdir/docker_work/：/home/zhou/：mipid e e：/dockerdir/docker_work/directory mappinggo到达/home/home/zhou/directory/directory/directory/directory/directory/directory/directory，在Docker的Ubuntu系统中，实现Windows平台和Docker System的文件共享-P 8888：8888：8888 -P 6006：6006：这意味着端口8888和Windows System到Docker的8888，6006Port，这两个端口是Jupyter Notebook的访问端口/'：docker启动启动命令在这里，这是工作起动器
启动VSCODE后，选择Docker工具栏。在启动容器上，右键单击，然后选择要连接到VSCODE
2
在VSCODE软件接口上，选择[文件] - [打开文件夹]，选择root Directory [/]，查找[/etc/apt/sources.list]，将Ubuntu的所有安装源切换到Aliyun的所有安装源，请操作与特定操作一样具有特定操作。修改如下：
从NVCC -V的日志中，可以看出CUDA版本为11.2
输出结果如下：
从输出日志中，您可以看到GPU：NVIDIA GEFORCE GTX 1660 TI已加载到Docker，Cudnn版本为7.5
使用Docker环境，验证Cuda和Cudnn的安装。
下载后，默认文件名是Models-Master，将文件名重命名为模型，并保持文件名和平台一致
如果网络速度不好，请直接下载ZIP压缩软件包，对吗？
3
下载后的文档结构显示在图中：
TensorFlow对象使用Protobufs检测API来配置模型和训练参数。在使用框架之前，您必须下载并编译Protobuf库。
执行以下命令，使其生效
执行是否生效
您可以看到ProtoC的安装目录已添加到路径中。
5
从Tensorflow 2.x开始，PycoCotools软件包被列为用于对象检测API的因数。理想地，在安装对象检测API时，应安装此软件包，如下面的安装对象中所述检测API，但是由于各种原因，安装可能会失败。因此，更简单的方法是提前安装此软件包。在此情况下，安装将稍后跳过。
默认指示器是Pascal VOC评估中使用的指标。请使用可可对象检测指示器，并将其添加到配置文件的este_config消息中。请使用可可实例进行分割测量并将其添加到配置的eval_config消息中文件。
安装过程将持续一段时间。安装完成后，可以执行以下代码以测试安装是否完成。
输出如下：
看到结果还可以，这意味着安装成功，然后您可以启动对象检测过程。
原始：https：//juejin.cn/post/7101664327416938510