Instale Anaconda bajo las variables de entorno WIN10

Configure el entorno de desarrollo de GPU, instale cuda8.0 y cudnn5.1

2. Instale Anaconda3-4.3.1-Windows-x86_64, la versión predeterminada de Python es 3.6

3. Una vez completada la instalación, abra Anaconda Prompt e ingrese la imagen del repositorio de Tsinghua. Actualice paquetes más rápido:

conda config --add canales/anaconda/pkgs/free/

conda config --set show_channel_urls sí

4. Cree espacio de TensorFlow. : conda create -n tensorflow python=3.5, configura la versión de Python en 3.5

5. Activa el espacio de TensorFlow: activa tensorflow

6. --actualizar tensorflow_gpu-1.0.0-cp35-cp35m-win_amd64.whl

7. Pruebe TensorFlow:

importe tensorflow como tf

hola = tf. constante('¡Hola, TensorFlow!')

sess = tf.Session()

print(sess.run(hola))

Configuración Entorno de ejecución SSD

1. Instale numpy (instalación sin conexión de Anaconda): pipinstall numpy-1.12.1-cp35-none-win_amd64.whl

2. Instale matplotlib (instalación sin conexión de anaconda) Instalación de la máquina) : pipinstall matplotlib-2.0.1-cp35-cp35m-win_amd64.whl

3. Instale opencv (sin conexión): en anaconda: pipinstall opencv_python-3.2.contrib-cp35-cp35m-win_amd64.whl

4. Descargue la versión TensorFlow de SSD: git clone /balancap/SSD-Tensorflow.git, o descargue el zip y descomprímalo

5. En el directorio TensorFlowsd/checkpoint Descomprima ssd_300_vgg. .ckpt.zip para obtener los parámetros del modelo

6. Instale pycharm-community-2017.1.2.exe, editor de Python, Archivo->Configuración->Proyecto:Python>ProjectInterpreter: en Cambie la versión de Python en Espacio de trabajo de TensorFlow en Python

7. Cree un nuevo proyecto en el cuaderno y agréguelo a TensorFlow. Cree un nuevo proyecto en el cuaderno y cree un nuevo archivo test_ssd.py

8. Abra ssd_notebook.ipynb en pycharm y copie el contenido sin comentarios en test_ssd.py

9. py:

# Pruebe algunas imágenes de demostración y muestre los resultados de salida.

#path = './demo/'

#image_names = sorted(os.listdir(ruta))

#print(image_names)

#for it in image_names：

cam=cv2.VideoCapture(0)

éxito, img = cam.read()

mientras es exitoso :

#img = cv2.imread(ruta + it)#mpimg.imread(ruta + it)

t1=cv2.getTickCount()

rclases , rscores, rbboxes = process_image(img)

visualization.bboxes_draw_on_img(img,rclasses, rscores. rbboxes, visualization.colors_plasma)

t2=cv2.getTickCount()

print('consumo de tiempo:%.3f ms'%(1000*(t2-t1)/cv2. getTickFrequency())

cv2.imshow('test',img)

c=cv2.waitKey(1)

if c==27:

# visualization.bboxes_ draw_on_img(img, rclasses,rscores, rbboxes, visualization.colors_plasma)

#visualization.plt_bboxes(img, rclasses,rscores, rbboxes)

éxito, img = cam.read()

10. py