官方教程：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md

官方预训练的模型：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

安装

pip install 

卸载

pip uninstall 

有的时候升级一个包时，需要先卸载，但是卸载不成功，我们可以直接升级（忽略已经安装的旧版本）

pip install --ignore-installed 包名

安装Tensorflow的GPU版本（https://tensorflow.google.cn/install/gpu，驱动程序的版本和TensorFlow的版本介绍）

pip install tensorflow-gpu

pip install tensorflow-gpu==1.15

安装Tensorflow的CPU版本

pip install tensorflow==1.14

第一步：COCO API的安装

观察在文件夹 models-master/research 文件夹下，没有 COCO API【pycocotools】,

下载cocoapi地址：https://github.com/cocodataset/cocoapi

cd cocoapi-master/pythonAPI

在文件夹下cocoapi-master/pythonAPI的内容如下：

在该文件夹下，执行命令：

make

在没有执行'make'命令之前，在文件夹pycocotools下的内容如下：

执行后的命令，在文件夹pycocotools的内容如下，多了一个.c文件和.so文件。

编译好之后，将文件夹'pycocotools'复制到model-master/research下

cp -r pycocotools <path_to_tensorflow>/models-master/research

执行上述命令后，在models-master/research文件夹下，多了一个pycocotools文件夹，如下图所示：

 

第二步：下载安装protocolbuffer

下载地址：https://github.com/protocolbuffers/protobuf/releases

比如，下载3.8.0版本

点击进入，根据自己的系统选择对应的版本

下载后，解压

unzip x86_64.zip

解压后，有命令bin/protoc

在没编译之前，在文件夹object_detection/protos下的内容如下：

 利用protoc命令编译如下，在编译的时候，要确保当前目录为 /models_master/research下，执行以下命令：

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

运行结束后，在文件夹 /models_master/research/object_detection/protos下的内容如下，多了对应的.py文件：

在/etc/profile文件中配置环境变量，注意环境变量PYTHONPATH,大致内容如下：

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/opencv/lib:/usr/local/nccl_2.3.7-1+cuda10.0_x8/lib:$LD_LIBRARY_PATH
export PKG_CONFIG_PATH=/usr/local/opencv/lib/pkgconfig:$PKG_CONFIG_PATH
JAVA_HOME=/usr/local/java/jdk1.8.0_191
export JRE_HOME=/usr/local/java/jdk1.8.0_191/jre
export CLASSPATH=$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
export PATH=/usr/local/cuda/bin:$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
export PYTHONPATH=/home/manager/software/models-master/research:/home/manager/software/models-master/research/slim:$PYTHONPATH

执行以下命令，使其生效:

source /etc/profile

接着执行以下命令:

python object_detection/builders/model_builder_test.py

运行结果如下:

代表运行成功