Ubuntu16.04下tensorflow+SSD实现（人脸，通用物体）目标检测，环境的搭建与测试以及搭建环境的踩坑环节的梳理...

Ubuntu16.04下tensorflow+SSD实现（人脸，通用物体）目标检测，环境的搭建与测试以及搭建环境的踩坑环节的梳理（一） 开发环境：Ubuntu16.04、cuda、cudnn 语言：Python3.5（也可以Python3.6） 框架：tensorflow1.12 、SSD 英伟达GPU配置步骤： 1.tensorflow1.12使用的Python版本不能是3.7的，要求在3.7以下 2.cuda和cudnn的环境在英伟达下进行下载，由于每个人的计算机环境是否有GPU显卡和显卡的版本不同，需要进行TensorFlow和cuda、cudnn和匹配 2.1 nvidia-smi 可 在本文中，我们将探讨如何在Ubuntu 16.04操作系统上搭建TensorFlow 1.12和SSD（Single Shot Multibox Detector）框架，用于实现人脸识别和通用物体检测。这个过程涉及到安装必要的软件和库，以及解决可能出现的问题。 开发环境包括Ubuntu 16.04作为操作系统，Python 3.5或3.6作为编程语言，以及CUDA和cuDNN作为加速计算工具。TensorFlow 1.12与CUDA和cuDNN的版本需要匹配，特别需要注意的是TensorFlow 1.12不支持Python 3.7及以上版本。 在配置英伟达GPU之前，运行`nvidia-smi`命令来检查是否已安装GPU及其版本。然后，通过`sudo apt-get update`更新系统，并在系统设置的附加驱动中选择合适的英伟达驱动，通常选择较低版本以确保兼容性。接着，从NVIDIA官方网站分别安装CUDA和cuDNN，安装完成后需配置环境变量以使系统能够识别这些库。 安装TensorFlow 1.12时，建议使用国内的镜像源，如豆瓣源，以加快下载速度。使用`pip3`命令安装，并确保使用Python 3的环境，避免安装到Python 2的环境中。同时，安装TensorFlow的其他依赖库，如Cython、contextlib2、Pillow、lxml、jupyter和matplotlib。 SSD模型的配置需要从TensorFlow的旧版models仓库中下载，因为新版models已经针对TensorFlow 2.0进行了调整，可能导致在TensorFlow 1.12环境下运行出错。下载后，按照GitHub上的安装步骤进行，尽管这些步骤可能没有更新，但对安装影响不大。 COCO API是评估目标检测模型性能的重要工具，可以从GitHub下载或者使用百度网盘，然后编译并将其pycocotools复制到TensorFlow models的research目录下。同时，需要安装protobuf-compiler，以便编译protobuf文件。 整个环境搭建过程中可能会遇到各种问题，比如版本不兼容、库的安装错误等。在搭建过程中，一定要仔细阅读官方文档和GitHub的README文件，同时关注错误信息，以便找到解决问题的方法。在安装和配置过程中记录遇到的问题和解决方案，这对于将来遇到类似问题或他人参考都是非常有价值的。 总结起来，Ubuntu 16.04上搭建TensorFlow 1.12和SSD目标检测环境需要细心操作，注意软件版本的匹配，合理选择和安装依赖库，以及解决安装过程中可能出现的各种问题。完成这些步骤后，就可以开始进行人脸和通用物体的目标检测实验了。