（估计也没人看系列之目标检测api配置流程的总结！）

关于目标检测的应用方向之一，Google开源的目标检测api在windows环境下的搭建过程也是踩坑无数，血与泪的教训，本博客旨在演示目标检测api的配置流程，并在最后附上一个关于常见bug以及解决方式的链接。由于该项目是在去年12月份实习的时候做的，过程中也会尽量跟着流程自己走一遍，话不多少，干货走起。

在配置目标检测api之前确保电脑已安装cuda和cudnn，我的电脑配置是，英伟达940mx显卡，cuda9.0，cudnn v7.5，下图是英伟达官网给的显卡与cuda的对应版本

1.下载：models-master     

参考网址：https://github.com/tensorflow/models

2.proto文件解析工具下载

参考网址： https://github.com/google/protobuf/releases/tag/v3.4.0

将protoc-3.4.0-win32.tar.gz进行解压，将bin里面的protoc.exe拷到models-master\research中

                                        

在当前文件夹按shift+单击右键，点击在此处打开命令行窗口输入：protoc --python_out=. object_detection/protos/*.proto，目的是解析如下图片中的.proto文件（关于proto文件可以理解为一种轻便高效的结构化数据存储格式，可以用于结构化数据或者说序列化。方便文件的存储与网络传输。）

                         

命令行输入后点击回车按钮，停顿一秒钟出现如下界面

   

 此时protos文件下下面会多出解析后的.py文件，如下图所示：

                                      

3.添加环境变量

 将安装路径下的如下两个文件夹G:\tensorflow\models-master\research，G:\tensorflow\models-master\research\slim添加到环境变量中。记得之前验证时出现找不到相关的文件路劲错误，后面在在site-packages添加一个路径文件，如tensorflow_model.pth，必须以.pth为后缀，写上你要加入的模块文件所在的目录名称。（关于.pth文件意思是可以让python在加载模块时，读取xxx.pth中指定写好的路径）

                        

   

4. 验证

进入如下安装目录G:\tensorflow\models-master\research\object_detection\builders下，打开cmd窗口，输入以下代码 python model_builder_test.py

   

由于我是事先配置好的，所以过程中并没有出现bug，当出现上图界面表示配合成功。

5.相关bug的总结 

https://blog.csdn.net/qq_36735489/article/details/80948148，该链接详细的介绍了目标检测配置过程中常见bug以及解决方式，若看官老爷在配置过程出现新的问题也欢迎留言讨论。