Tensorflow 2.0 目标识别（一）——环境确认

最新推荐文章于 2022-03-03 22:17:59 发布
最新推荐文章于 2022-03-03 22:17:59 发布
阅读量2.2k 收藏 4
点赞数
CC 4.0 BY-SA版权
文章标签： python 人工智能 Tensorflow2.0 目标识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_26996385/article/details/105424106
本文档详细介绍了在Windows 10环境下，配置Tensorflow 2.0进行目标识别的过程，强调了Python 3.6与TF2.0的兼容性，以及GPU驱动版本和CUDA配置的重要性。内容包括环境变量设置、开发环境（VS2017与PyCharm）的准备，以及检查Python版本的步骤。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Tensorflow 1.*的坑没完全入，TF 2.*就开始了。市面上教程1.*和2.*的混杂，python 3.6与3.7，TF2.0A版本与TF2.1版本，CUDA9.0与CUDA10.0等等均会出现问题，TF果然和笔者之前学习的Emgucv一样，想升级就升级，全然不顾开发者的死活。

无奈最近项目开始需要很多目标识别的需求，只能忍着一步步重新搭建环境。

全部过程会遇到很多很多和路径以及版本相关的描述，仿照的哥们真的真的请仔仔细细的跟。

先描述下笔者的环境：

操作系统： windows 10家庭中文版，64-bit

处理器：Inter（R）Core（TM）i7-7700HQ

显卡（GPU）：GeForce GTX 1060（驱动版本441.22），不确定的请在NVIDIA控制面板-帮助-系统信息 里面查看，驱动程序版本很重要，后面需要。

python环境：我先装的3.7后来发现3.6和TF2.0更配，就都都装了，切换的话记得

系统属性-高级-环境变量-系统变量-Path-编辑 里面修改到3.6

开发环境：vs2017（习惯界面）以及 pycharm 2019.3.2（无奈妥协）

vs平台-工具-python-python环境，选中后右侧会出现环境配置，直接有最好，没有的自己+自定义，配置ok的可以中间概述的下拉框内选第二项包（PyPi），看到所有已经安装的包。（如果是空的也没什么问题，选第三项intelliSense或

最低0.47元/天 解锁文章

200万优质内容无限畅学
马超514
关注
Tensorflow 2.0 目标识别（三）——TF2.0
qq_26996385的博客
04-13 1216
安装TF命令，gpu版本： pip install tensorflow_gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 安装好后可能会报错的几个地方： 找不到dll，可能的地方CUDA的环境变量没弄对，cudnn版本和CUDA不匹配。 cudart64_*.dll,类似100改101之类的，能自然匹配最好，不行就搜素后改下名字...
TensorFlow 2.0 深度学习实战 —— 浅谈卷积神经网络 CNN
风尘浪子
03-28 3692
卷积神经网络 CNN（Convolutional Neural Networks，ConvNet）是一种特殊的深度学习神经网络，近年来在物体识别、图像重绘、视频分析等多个层面得到了广泛的应用。本文将介绍 CNN 卷积神经网络的基本原理和基础概念，卷积层与池化层的作用，并以常用的 VGG16 为例子，介绍常用模型的使用方式。把中间激活层输出图，滤波器，热力图等进行可视化分析，让大家进一步了解 CNN 的结构特征。
TensorFlow 之 物体检测
04-24
NULL 博文链接：https://rensanning.iteye.com/blog/2381885
TensorFlow usb摄像头视频目标检测代码
12-02
配置及运行文章见http://blog.csdn.net/asukasmallriver/article/details/78696260
Python 数据科学入门教程：TensorFlow 目标检测
热门推荐
龙哥盟
02-08 4万+
TensorFlow 目标检测 原文：TensorFlow Object Detection 译者：飞龙 协议：CC BY-NC-SA 4.0 一、引言 你好，欢迎阅读 TensorFlow 目标检测 API 迷你系列。 这个 API 可以用于检测图像和/或视频中的对象，带有使用边界框，使用可用的一些预先训练好的模型，或者你自己可以训练的模型（API 也变得更...
一、环境调试确认
weixin_30868855的博客
07-20 86
1、确认系统网络 2、确认yum可用 3、确认关闭iptables规则 4、确认停用selinux 两项安装 yum -y install gcc gcc-c++ autoconf pcre pcre-devel make automake yum -y install wget httpd-tools vim 一次初始化 cd /o...
Tensorflow 2.0 目标识别（四）——TF2.0+Object Detector
qq_26996385的博客
09-21 1662
本章介绍TensorFlow2.*版本下Object Detector的高级Api的使用，Object Detector在TensorFlow2.*版本下是一个非常好用的高级接口，但随着TensorFlow升级到2.*后一度由于没有更新后处于滞后的状态，千呼万唤在2020年7月左右官方发生更新，正值本书编写的过程中，所以特地补充一章。 完成本章可以获得以下知识点: TensorFlow2.*下Object Detector的安装 TensorFlow2.*下Object Detecto的环境配置 T
Tensorflow 2.0 目标识别（五）——TF2.0+Object Detector（用户自定义训练）
qq_26996385的博客
09-21 1071
到目前为止，您应该已经执行以下操作： 已安装的TensorFlow 已安装的TensorFlow对象检测API 既然我们已经完成了上述所有工作，我们就可以开始做一些很酷的事情。在这里，我们将看到如何训练自己的对象检测器，由于它听起来并不简单，因此我们来看看： 如何组织工作区/培训文件 如何准备/注释图像数据集 如何从此类数据集生成tf记录 如何配置简单的培训管道 如何训练模型并监控其进度 如何导出结果模型并将其用于检测对象。 1.2.1 准备工作区 如果您已按照本教程进行操作，那么..
TensorFlow2.0入门学习笔记(2)——Matplotlib数据可视化
12-20
在进入TensorFlow2.0的学习之前，掌握Python基础和一些常用库是必要的，特别是像Numpy和Matplotlib这样的科学计算和数据可视化库。Matplotlib是Python中最流行的数据可视化工具之一，能够帮助我们清晰地理解数据、...
Tensorflow2.0 物体识别（一）训练模型数据准备
shanghaimoon的专栏
07-08 3358
最近研究了一下人工智能图像识别方面的知识，使用的是鼎鼎大名的tensorflow工具，同时为了避免重复造轮子，使用了谷歌已经实现的的object detection api来实现图像识别。下载地址如下：https://github.com/tensorflow/models 关于环境的安装，其实网上有很多教程，但是大部分都是基于tensorflow1.0的，基于tensorflow2.0的并不多，不过总体安装也并不算复杂，有些坑，但是不多，本章我们不做详细介绍，本章的主要目的是为了能训练自己的识别模型所需
Tensorflow图像识别-2
Cleansely的博客
06-10 2074
文章目录tensorflow object decetion 上一部分介绍了如何打标，对这方面的工作感到心累。 tensorflow object decetion
TensorFlow 2 Object Detection API 物体检测教程 （1）- 环境搭建与测试
dy_guox的博客
09-16 7662
2年前我在csdn上原创了Tensorflow object detection API 的教程，获得了很多好评。 原博客地址：https://blog.csdn.net/dy_guox/article/details/79081499 原视频地址：https://www.bilibili.com/video/BV1tW411T7ei/ 至今仍有读者留言提问，现在Tensorflow已经发布2.0版本，使用旧版教程会有很多兼容问题，由于时间精力有限，没有办法一一回答，所以另开一篇博客介绍TF2.0的.
深度学习_目标检测（二）——SSD（一）TensorFlow版本（三）训练自己数据
DONG_LIN_2019的博客
11-07 249
训练自己的数据 这个简单，根据voc格式生产，而且也有一个labelimg的工具包可以直接生产，然后再根据类别数修改参数即可。具体再跟进。 https://blog.csdn.net/zzZ_CMing/article/details/81131101 ...
深度学习_目标检测（二）——ODA（三）TensorFlow API版本（一）尝试使用
DONG_LIN_2019的博客
11-07 657
目录 Object Detection API Step 1/x ODA配置 描述 材料 准备工作 Step 2/x ODA验证 Step 3/x ODA数据 自己的数据制作如下 Step 4/x ODA训练 Step 5/x ODA验证 Step 6/x ODA可视化 Object Detection API Step 1/x ODA配置 描述 为了更好训练数据，...
使用Tensorflow 2进行猫狗分类识别
choosetobehappy的博客
08-17 9126
使用Tensorflow 2进行猫狗分类识别 本文所需代码均在Jupyter Notebook当中实现。 目录使用Tensorflow 2进行猫狗分类识别数据集获取文件解压将文件分为训练集与验证集绘图查看模型建立 数据集获取 使用tf.keras.utils.get_file()能够从指定的URL当中直接获取数据集，我们在已知网站当中获取到猫狗偶分类所需图片，为压缩包格式，将其命名为cats_and_dogs_filtered.zip，为该操作设置一个变量path，该变量指向的便是该数据集下载之后存储的路径
利用tensorflow2.0实现人脸识别（二）识别人脸
weixin_42692293的博客
03-16 2808
从实时视频流中识别出人脸区域，从原理上看，其依然属于机器学习的领域之一，本质上与谷歌利用深度学习识别出猫没有什么区别。程序通过大量的人脸图片数据进行训练，利用数学算法建立建立可靠的人脸特征模型，如此即可识别出人脸。幸运的是，这些工作OpenCV已经帮我们做了，我们只需调用对应的API函数即可，先给出代码： import sys from PIL import Image def CatchUsb...
TensorFlow 2 Object Detection API 环境搭建与测试（Windows)
Firmin123456的博客
03-03 1947
参照博主dy_guox的帖子： 原文地址 搭建环境，但是原贴是原博主一年多之前所写，我的搭建过程中有一些弯路。 把更新的搭建过程记录下来。 因为我的旧电脑是win7系统，无法安装最新版的cuda,因此选择和原博主一样的版本，版本虽然旧但不影响学习。 系统配置 Software versions OS Windows, Linux Python 3.8 TensorFlow 2.2.0 CUDA Toolkit 10.1 CuDNN 7.6.5 Anaconda Navi
TensorFlow 2.0 简单车牌识别
FlyDremever
08-12 4781
TensorFlow 2.0 简单车牌识别 说明：使用tensorflow2 训练模型，然后冻结模型，使用opencv 的 dnn 模块进行推断。这只是个简单的demo,本质上就是个分类模型。主要工作还是在车牌字符的分割。在推断部分只要主意好图片的格式就好。 GitHub 1、tensorflow 训练模型 （1）数据集准备 使用 百度 ai studio 上提供的车牌数据集 部分数据集图片（图片命名还是比较乱的）： （2）数据集处理 data_path = 'E:\\code\\tf\\proj\\
TensorFlow-2 数字识别
Suan2014的博客
07-28 607
步骤准备：  1  数据准备：可以直接从'/tmp/tensorflow/mnist/input_data'中获取   2 创建模型：x W b   3 定义损失函数和优化形式（采用softmax分类器）   4 启动会话（Session）   5 训练模型   6 测试并计算输出    其中softmax分类器的原理请参考：Softmax回归 程序： #TensorFlow手
TensorFlow2.0数字识别模型训练数据集解压缩指南
5. **构建识别模型**：使用TensorFlow 2.0构建一个数字识别模型，我们可以使用它的高级API——tf.keras，它提供了序贯（Sequential）模型和函数式API等多种方式来构建模型。一般而言，对于图像数据，卷积神经网络...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值