tensorflow深度学习第二版（WSL的深度学习环境）

在Github的tensorflow官网里，可以找到Tensorflow的模型花园（Model Garden），里面有很多tensorflow的SOTA（state-of-the-art ）模型和项目。https://github.com/tensorflow/models

tensorflow深度学习第二版（WSL的深度学习环境）(1)

tensorflow的模型花园

我们只关注其中在research下的一个项目：object_detection（目标检测）。为前面安装好的WSL和Anaconda配置一个tensorflow的运行环境，能够运行起来这个目标检测项目下的Jupyter notebook：object_detection_tutorial.ipynb，网上和许多计算机视觉书籍都有关于这个目标检测代码的解释。https://github.com/tensorflow/models/tree/master/research/object_detection

tensorflow深度学习第二版（WSL的深度学习环境）(2)

tensorflow的目标检测

通过git下载这个models目录（其实只有research目录有用）非常费时间，网络上已经有人下载好了，大家可以到百度搜索这个网盘资源，但是从Github可以下载到最新的版本（目前还在有部分更新）。

把research目录移动到home目录下，现在开始安装tensorflow。

激活前面已经创建好的tensorflow：

source activate tensorflow

安装1.14版本的tensorflow

conda install tensorflow=1.14

降级numpy到1.16

安装完成后，用conda list命令可以查看到numpy可能是高于1.16版本的1.18，只是后需要降级安装。安装命令如下：

conda install numpy=1.16

编译proto文件

进入到刚才下载的research目录，用protoc命令生成protos目录下proto协议文件的python文件。

protoc object_detection/protos/*.proto --python_out=.

Google Protocol Buffer( 简称 Protobuf) 是 Google 公司内部的混合语言数据标准。他们用于 RPC 系统和持续数据存储系统。提供一个具有高效的协议数据交换格式工具库(类似Json)。但相比于Json，Protobuf有更高的转化效率，时间效率和空间效率都是JSON的3-5倍。可用于通讯协议、数据存储等领域的语言无关、平台无关、可扩展的序列化结构数据格式。protoc是proto文件的编译工具。