1.前言

最近有一个项目就是实现视频识别的，于是就空闲的时候把这个东西弄一下了。我在网上弄了很久，尝试了很久，解决了不知道多少个问题，最后终于算是找到了一个可以实现的例子，大部分也都是官方的指导方案进行操作的，期间还是解决了不少的问题的。还有TensorFlow Object Detection API —— 开箱即用的目标检测API这篇文章也是很有用的，这里还提供了一个视频检测代码，整个过程和代码写的比较详细，但是也是让我费了很久的力气，才把问题搞定了。如果不进行尝试下，都不知道这个到底有多难。我主要是在 window 上测试的，linux上的步骤应该差不多了。

2.创建虚拟环境

必要的时候，创建一个虚拟环境

1
2
3
4
5
6
7
8

# 查看
conda info --envs
# 创建虚拟环境
conda create --name tf python=3.9
# 激活
activate tf
# 切换
conda activate tf

3.安装tensorflow

1
2
3
4
5

# 安装
pip install --ignore-installed --upgrade tensorflow==2.5.0

# 测试
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

4.安装GPU

（1）安装 英伟达的驱动

（2）找到驱动对应的 CUDA Toolkit 安装，使用: nvcc -V 命令查看

（3）找到对应的 cuDNN 安装,官方 可查对应版本。解压刚才下载的cuDNN压缩包，得到三个文件夹，复制上面红框中的三个文件夹，并粘贴到CUDA的安装目录下，即刚才装CUDA的位置，配置cuDNN的环境变量。

（4）配置环境变量
配置如下的环境变量，就是 上面的几个安装路径，这里我暂时没有修改，其实应该改成自己的路径。

1
2
3
4
5

<INSTALL_PATH>\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
<INSTALL_PATH>\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
<INSTALL_PATH>\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include
<INSTALL_PATH>\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64
<INSTALL_PATH>\NVIDIA GPU Computing Toolkit\CUDA\v11.2\cuda\bin

（5）安装pytorch-cuda
每一个虚拟环境都需要安装，可以直接使用命令进行安装，这里注意 cudnn 的版本，Pytorch下载官网 里面有针对不同的版本提供的命令，比如我使用 “nvidia-smi” 命令查看到的 cuda 版本是 12.1 版本

1
2
3
4
5
6

# 安装 pytorch
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

# 这个是仅安装 cudatookit
conda install cudatoolkit=12.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
conda install cudnn=8.9.7 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

（6）查看 gpu 是否可用。

1
2
3
4
5
6
7

# 如果报错可以加下面两行
import os
os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"

import torch
print(torch.__version__)
print(torch.cuda.is_available())

5.下载源码

从代码仓库，下载 代码库，解压 models-master 到 models，放到 Tensorflow 目录下。

1
2
3
4
5
6
7

TensorFlow/
└─ models/
   ├─ community/
   ├─ official/
   ├─ orbit/
   ├─ research/
   └── ...

6.安装protobuf

下载和安装protoc,下载相应版本的软件，这里我折腾了很久，下载了 protoc-3.19.6-win64.zip 。解压后配置环境变量Path，增加 C:\Soft\protoc-28.0-win64\bin 目录。在工程object_detection文件夹中，找到文件夹protos，把这些proto文件转换为py文件。在 TensorFlow\models\research 目录开启 cmd，执行：

1
2
3
4
5
6
7

# 进入目录
cd TensorFlow/models/research/
# 执行
protoc object_detection/protos/*.proto --python_out=.

# 在window下的 TensorFlow/models/research/ 目录下执行
Get-ChildItem object_detection/protos/*.proto | foreach {protoc "object_detection/protos/$($_.Name)" --python_out=.}

注意，为了避免错误，最好安装的 protoc 的版本就是 3.19.6 版本

7.安装 COCO API

请注意，根据包的说明，必须安装 Visual C++ 2015 构建工具并位于您的路径上。如果没有，请确保从此处安装它们,可以从 这里 下载安装。我用官方的提示，还是失败了，没有安装成功，只能通过参考文章中的连接，获取了离线安装包，然后才安装成功的。

1
2
3
4
5
6

pip install cython
# 如果网络好的话，就执行这个
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

# 入股网络不好的话，就执行
pip install pycocotools

8.安装目标检测API

到目录 models\research，复制 object_detection/packages/tf2/setup.py 至目前目录 models/research，然后执行依赖安装

1
2
3

# From within TensorFlow/models/research/
cp object_detection/packages/tf2/setup.py .
python -m pip install .

1
2
3
4
5
6

# 这里可能会有问题，需要解决相关的问题，才能解决。
python -m pip install . 

# 如果有问题，先执行下面的代码，然后再执行上面的代码
pip install "cython<3.0.0" wheel
pip install "pyyaml==5.4.1" --no-build-isolation

9.测试

执行测试步骤，如果输出 ok，说明就可以了。

1
2

# From within TensorFlow/models/research/
python object_detection/builders/model_builder_tf2_test.py

问题

1.error: subprocess-exited-with-error,Collecting pyyaml<6.0,>=5.1

在安装软件的时候，出现了这个问题

【尝试方案】
（1）尝试方案

1

pip install pyyaml --pre

（2）还有一个方案,这个我倒是没有尝试

1

pip install cython 和 pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

【解决方案】

1
2
3
4
5

pip install "cython<3.0.0" wheel
pip install "pyyaml==5.4.1" --no-build-isolation

# 重新执行依赖安装    
python -m pip install .

2.Could not install packages due to an OSError: [WinError 5] 拒绝访问

我在安装的时候，出现了这个问题。

【尝试方案】
（1）增加了 –user 参数
（2）使用管理员运行
（3）设置 C:\Users\hjkj\AppData\Roaming\Python\Python310\site-packages 文件夹权限
（4）修改了文件夹的权限，改为了 Every One,无效
（5）使用 –user 参数，无效
（6）更换pip版本，无效
（7）以管理员身份运行，无效

【解决方案】
重新创建了一个虚拟环境，解决了这个问题。

1
2
3
4
5
6

# 查看
conda info --envs
# 激活
activate tensorflow
# 切换
conda activate tensorflow

3.cannot import name ‘builder’ from ‘google.protobuf.internal’

【尝试方案】
（1）升级版本

1
2
3
4
5

pip install protobuf==3.20

pip install protobuf==3.9.2

pip install protobuf==3.19.6

【解决方案】
就是升级protobuf的版本

1

pip install --upgrade protobuf

4.No module named ‘tensorflow.python.distribute.distribution_strategy_context’

在执行 python 训练的时候，结果就是报错了

【尝试方案】
（1）尝试安装 tensorflow,结果无效

1

pip3 install tensorflow

【解决方案】
安装指定版本的 tensorflow

1

pip install tensorflow==2.15.0

5.cannot import name ‘runtime_version’ from ‘google.protobuf’

【尝试方案】
（1）安装了 numpy，结果无效

1

pip install numpy==1.26.4

（2）尝试降级 protobuf，无效

1

pip install protobuf==3.12.3

【解决方案】
保证 protobuf 版本和 pip 版本一直

1
2
3
4

# 卸载
pip uninstall protobuf
# 安装
pip install --upgrade protobuf

6.No module named ‘official’

【解决方案】
重新安装 tf-models-official

1

pip install tf-models-official

7.If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0

If you cannot immediately regenerate your protos, some other possible workarounds are： Downgrade the protobuf package to 3.20.x or lower

【解决方案】
在命令行运行的时候，我重新创建了一个 虚拟环境

8.module ‘keras._tf_keras.keras.layers’ has no attribute ‘experimental’

【尝试方案】
（1）降级tensorflow ,但是这就是一个死循环了。

1

pip install tensorflow==2.13.1

（2）后来又想着升级tensorflow,结果还是不行

1

pip install --upgrade tensorflow

（3）尝试限制 tensorflow 的版本，重新执行安装，结果无效

1

'tf-models-official >=2.5.1, <2.16.0',

【解决方案】
我尝试将相关的代码进行修改了，models\research\object_detection\core\freezable_sync_batch_norm.py，里面的 class FreezableSyncBatchNorm(tf.keras.layers.experimental.SyncBatchNormalization):进行修改，改为了 class FreezableSyncBatchNorm(tf.keras.layers.BatchNormalization):

9.No module named ‘tensorflow.python.keras.layers.preprocessing’

【尝试方案】
（1）我尝试把 python 去掉，结果不行，找不到 tensorflow.keras.layers.preprocessing
（2）尝试修改代码

1
2
3
4
5
6
7
8

# 源代码
# from tensorflow.python.keras.layers.preprocessing import image_preprocessing as image_ops

# 尝试改为，结果无效
from keras.preprocessing import image_preprocessing as image_ops

# 尝试更改为
from tensorflow.keras.layers.preprocessing import image_preprocessing as image_ops

（3）尝试升级 tf-models-official 版本

1

pip install --upgrade tf-models-official

【解决方案】
这个问题最后我也没有解决，也就只能这么算了，重新从头开始测试整个的流程好了。

1.Initializing libiomp5md.dll, but found libiomp5md.dll already initialized

安装完成python-cuda之后，结果出现这个问题。

【尝试方案】
（1）找到 libiomp5md.dll，删除其中一个。我这里有两个，我把第一个删除了，这个好像不管用

• C:\Soft\anaconda3\Library\bin
• C:\Soft\anaconda3\pkgs\intel-openmp-2021.4.0-haa95532_3556\Library\bin

（2）删除 pip 安装的 torch
因为我用 conda 和 pip 同时安装了 torch，我尝试卸载一个，这个导致了另外的问题，就是 gpu 无法使用，最后我只能切换虚拟环境，重新安装了环境，才解决了这个问题。

1

pip uninstall torch torchvision

【解决方案】
（1）代码前加入两行如下代码即可，这种方式可以解决，但是好像不好用。

1
2

import os
os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"