【tensorflow】windows下搭建tensorflow-slim网络进行目标分类(安装配置+使用教程+问题总结)

本文主要是介绍【tensorflow】windows下搭建tensorflow-slim网络进行目标分类(安装配置+使用教程+问题总结),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

0.(可选)下载cuda,cudnn

若是想GPU跑深度学习,有英伟达显卡
关于版本的选择,要关注自身显卡驱动能支持的最高CUDA版本。
下载cuda地址:
CUDA10.1版本:https://developer.nvidia.com/cuda-10.1-download-archive-base
下载cudnn
cuDNN是一个SDK,是一个专门用于神经网络的加速包,注意,它跟我们的CUDA没有一一对应的关系,即每一个版本的CUDA可能有好几个版本的cuDNN与之对应,但一般有一个最新版本的cuDNN版本与CUDA对应更好。
这里下载的是cudnn7.6.5,官网地址:https://developer.nvidia.com/cudnn
下载完压缩包并解压:里面有3个文件夹:
在这里插入图片描述
复制,并粘贴到cuda的安装目录,
一般是:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后合并:
在这里插入图片描述

1.windows下安装anaconda

官网下载anaconda
https://www.anaconda.com/products/individual
一般下载的都是最新版本

安装anaconda
点击安装程序安装
在这里插入图片描述
上面是添加path系统环境变量,不勾选就需要自己来手动添加。可以认真看一下英文注解;
下面勾选就是把anaconda位置作为默认的python3的地址;

若没有勾选环境变量,手动添加可以参考以下(版本不同可能会不一样):
在这里插入图片描述
cmd打开终端,输入conda --version检验有没有安装成功

2.创建虚拟环境:

打开Anaconda Prompt:
在这里插入图片描述
更换国内源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

下载一个python为3.7的虚拟环境:
输入:conda create -n tensorflow python=3.7
等待下载完毕,(虚拟环境在anaconda目录下envs目录下)
在这里插入图片描述

3.下载pycharm

http://www.jetbrains.com/pycharm/download/#section=windows

4.下载tensorflow-slim模块

github地址:https://github.com/tensorflow/models
若下载速度过慢,可采用gitee的方式下载:
1.将需要的tenforflow资源fork到自己的GitHub账号上;
在这里插入图片描述
2.注册gitee账号,关联gitee和github账号
3.选择添加仓的方式添加GitHub的fork资源:

在这里插入图片描述在这里插入图片描述然后下载tensorflow-models软件包

5.使用pycharm打开tensorflow-slim

slim项目的相对位置:\research\slim
在这里插入图片描述

6.设置虚拟环境:

打开pycharm上File -> settings:
在这里插入图片描述
选择到Project:slim 下的 Project Interpreter,可以不采用原有的环境,选择自己创建的虚拟环境
在这里插入图片描述在这里插入图片描述在这里插入图片描述然后找到自己创建的模拟环境的路径
4ubmV0L3NhemFzcw==,size_16,color_FFFFFF,t_70)
然后确认即可。

若是该虚拟环境没有安装tensroflow,可以pip下载:
在pycharm窗口的下方点击Terminal,然后利用pip下载tensorflow:

pip install tensorflow-gpu==2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

下载完之后就可以在Project Interpreter内找到已经下载的包:在这里插入图片描述

7.tensorflow模块的简单说明:

待更新······

8.在运行tensorflow的一些问题总结:

1.AttributeError: module ‘tensorflow’ has no attribute ‘Session’
原因:在新的Tensorflow 2.0版本中已经移除了Session这一模块
解决方案:

tf.Session() 更换为 tf.compat.v1.Session()

2.ImportError: No module named ‘contextlib2’

解决方案:
下载contextlib2,可以直接在pycharm上下载:

在这里插入图片描述在这里插入图片描述或者终端下载:pip install contextlib2

3.ImportError: No module named 'PIL'

解决方案:
终端下载:pip install pillow

注:下载一般突然结束,并出现大量红字,应该是超时的问题,一般来说重新运行指令即可继续下载,若速度过满或文件过大造成反复超时,可采用国内源,

pip install pillow -i https://pypi.doubanio.com/simple/

4.AttributeError: module 'tensorflow' has no attribute 'flags'

类似:tf.flags.DEFINE_float,tf.flags.DEFINE_string会报错,找不到flags;
原因:tf.flags.DEFINE_float()是tensorflow1的用法,在tensorflow2里不可直接这样写,需要加上.compat.v1.app
解决方案:
整体上改为:tf.compat.v1.app.flags.DEFINE_float
在这里插入图片描述
在这里插入图片描述

5.AttributeError: module 'tensorflow' has no attribute 'gfile'

跳转之后这里出了问题:

  if not tf.gfile.Exists(dataset_dir):tf.gfile.MakeDirs(dataset_dir)

问题产生的原因:在当前的版本中,gfile已经定义在io包的file_io.py中。
解决方法:修改如下:

  if not tf.io.gfile.exists(dataset_dir):tf.io.gfile.makeDirs(dataset_dir)

还要注意函数大小写!!

这篇关于【tensorflow】windows下搭建tensorflow-slim网络进行目标分类(安装配置+使用教程+问题总结)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/322576

相关文章

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

usb接口驱动异常问题常用解决方案

《usb接口驱动异常问题常用解决方案》当遇到USB接口驱动异常时,可以通过多种方法来解决,其中主要就包括重装USB控制器、禁用USB选择性暂停设置、更新或安装新的主板驱动等... usb接口驱动异常怎么办,USB接口驱动异常是常见问题,通常由驱动损坏、系统更新冲突、硬件故障或电源管理设置导致。以下是常用解决

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Maven如何手动安装依赖到本地仓库

《Maven如何手动安装依赖到本地仓库》:本文主要介绍Maven如何手动安装依赖到本地仓库问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、下载依赖二、安装 JAR 文件到本地仓库三、验证安装四、在项目中使用该依赖1、注意事项2、额外提示总结一、下载依赖登

CentOS7更改默认SSH端口与配置指南

《CentOS7更改默认SSH端口与配置指南》SSH是Linux服务器远程管理的核心工具,其默认监听端口为22,由于端口22众所周知,这也使得服务器容易受到自动化扫描和暴力破解攻击,本文将系统性地介绍... 目录引言为什么要更改 SSH 默认端口?步骤详解:如何更改 Centos 7 的 SSH 默认端口1

Mysql如何解决死锁问题

《Mysql如何解决死锁问题》:本文主要介绍Mysql如何解决死锁问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录【一】mysql中锁分类和加锁情况【1】按锁的粒度分类全局锁表级锁行级锁【2】按锁的模式分类【二】加锁方式的影响因素【三】Mysql的死锁情况【1

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Maven的使用和配置国内源的保姆级教程

《Maven的使用和配置国内源的保姆级教程》Maven是⼀个项目管理工具,基于POM(ProjectObjectModel,项目对象模型)的概念,Maven可以通过一小段描述信息来管理项目的构建,报告... 目录1. 什么是Maven?2.创建⼀个Maven项目3.Maven 核心功能4.使用Maven H

SpringBoot多数据源配置完整指南

《SpringBoot多数据源配置完整指南》在复杂的企业应用中,经常需要连接多个数据库,SpringBoot提供了灵活的多数据源配置方式,以下是详细的实现方案,需要的朋友可以参考下... 目录一、基础多数据源配置1. 添加依赖2. 配置多个数据源3. 配置数据源Bean二、JPA多数据源配置1. 配置主数据

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认