步步截图，超详细的深度学习环境配置（下）openVINO-LabelIMG-tensorflow detection API
步步截图，超详细的深度学习环境配置（下）openVINO-LabelIMG-tensorflow detection API
首先我们来说一下这一次的安装，其实openvino这个是选装的，这个软件主要是用于在X86框架下的一个芯片的一个模型开发，它可以使你在没有gpu的情况下在CPU获得一个不错的性能。而labelimg是用来做图片标注的，tensor flow API是应用程序的调用接口，就是预先定义的函数，可以帮助我们快速调用例程而不需要访问源码或者无需理解内部的工作机制，对于工程师来说比较友好。
这个价值对于很多工程师来说价值会比上一篇的大，可以帮助工程师灵活简单地运用模型
首先来看下openVINO的安装。
openVINO安装
下面是官网的地址
https://software.intel.com/en-us/openvino-toolkit
在这里，你点击下载以后，你会进入到一个配置的页面.可以根据你的硬件条件去选择，这里我们用的环境是window系统的线下版本，然后填下你的个人资料就可以下载了
这里直接选择默认的地址，后面会方便找。
我们开始我们的安装
整体都不动，默认的方式去安装
默认安装
安装成功后你会出现这页面，提示你的cmake、microsoft VS 、python 没有被检测到，别担心，后面我们就会逐一下载然后添加到变量中去。
cmake下载
下面是官网的下载链接。点进去就可以
https://cmake.org/
当你点击下载后有多个版本，注意需要选择文件名为.msi后缀的那个版本，因为这样子我们可以在安装过程中把cmake添加到PATH中。
开始安装
这里选择第二个，把它添加到系统变量PATH中去
然后一路默认完成安装
安装Microsoft Visual Studio
下面是官网的链接，直接点开，然后你需要登录你自己的微软账户，就可以进入到下载的页面，版本看自己的选择
https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
选择好版本就可以下载了
当你打开安装包就一路默认到下面这个页面，钩上.NET桌面开发、使用C++的桌面开发、通用Windows平台开发三个选项
然后就开始了漫长的等待，然后安装完成重启一下电脑
值得注意的是，如果使用英特尔显卡的话需要检查一下版本，版本应该大于25.20.100.6444
接下来就是环境变量的添加了
点击下方的环境变量
然后编辑下方的系统变量编辑
变量值写你自己在C盘中找到external\hddl、opencv、-inference_engine
比如说我的
C:\Program Files (x86)\Intel\openvino_2021.4.689\deployment_tools\inference_engine\external\hddl
同时你还需要在系统变量PATH那里点开来编辑，插入这五个
%IE_DIR%\bin\intel64\Release
%OPENCV_DIR%\lib
%HDDL_INSTALL_DIR%\bin
%IE_DIR%\bin\intel64\Debug
%OPENCV_DIR%\bin
tensorflow object detection API安装测试
首先来介绍一下这个是什么吧，他是一个在tensorflow基础上开发出来的，用于计算机视觉领域，实现在图像检测中并定位多个图像物体的软件框架。基于这个框架，可以快速的创建，训练和部署目标检测模型
首先，第一步，我们需要创建一个文件夹，然后用来把所有训练的文件放在一起，这里我们可以起一个名字叫做tf_train，然后在这个文件夹下创建两个文件，然后我们会后面会把文件进行分类储存，方便模型的部署和管理。他们分别是addons workspaces
models等会我们会通过git工具下载
GIT下载models
然后我们在之前已经装好了Git工具，现在只要我们单击空白处右键，然后再右键单击后，你就可以看到有一个git bash here，你运行这个程序，然后我们会用这个程序从GitHub来下载我们所需要的代码
打开以后在下面输入这条指令
git clone -b r1.13.0 https://github.com/tensorflow/models.git
来下载相关源代码
然后你的文件夹就会和上面的一样了。
安装python所依赖的软件包
现在我们的环境中还缺点的东西，比如说想画图，没有matplotlib，那么我们通过anaconda来安装。
我们还是和上篇一样，打开anaconda后点开environment然后点小三角形，然后open terminal打开终端，在这里输入下图指令
pip install matplotlib pillow lxml contextlib2 cython opencv-python
下图表示已经安装成功
然后我们还需要配置环境变量，还是老样子在你的win的设置搜索变量两个字就可以看到编辑系统环境变量了，然后启动，你可以看到如下图，点环境变量，新建一个系统变量，注意是系统变量不是用户变量。
按照我下面这两个填写，两个是一个过程截图了两章，第二章图后面没有东西了
然后安装COCO API
这是用来干什么的呢？它是用来评估我们tensor flow的工具的，想想要使用的话就可以使用安装pycocotools,具体步骤这样子
首先下载一个 VIsual C++ 2015编译工具visualcppbuildtools_full.exe
下载链接为https://go.microsoft.com/fwlink/?LinkId=691126
(其实不下好像也没影响，不知道是不是我电脑之前装了）
然后你在之前我们创建的addons 文件里面，用右键点开，还是用GIT工具，直接点开git bash here，输入下图指令后就可以启动安装
git clone https://github.com/philferriere/cocoapi.git
下载完就可以了，然后你检测一下你的addans文件夹里面有东西就可以
接下来你要进入到终端安装了，你点开你的电脑那个WIN的LOGO，然后在程序中找到anaconda prompt，然后右击点以管理员身份运行终端，也可以直接在程序搜索框中搜这个anaconda prompt，把终端打开，输入以下命令
condo activate tf_gpu
激活虚拟环境
cd D:\tf_train\addons\cocoapi\pythonAPI
然后切换路径
python setup.py install
运行脚本
成功后你直接在终端输入python，启动环境去调用一下这个软件，如果成功就没问题了，import pycocotools调用下看看行不行
编译proto文件
在运行TF API前应该编译proto，进入到tf_train\models\research文件夹。然后文件夹地址输入cmd，在终端输入如下命令
for /f %i in (‘dir /b object_detection\protos*.proto’) do protoc object_detection\protos%i --python_out=.
完成编译。
接下来讲下labelimg，这个是一个图片标注软件。我把这个软件包上传到我的资源下面了，可以直接下载来使用，解压后你会得到一个文件夹然后点开里面有个像磁盘的东西，然后点开就可以用了。后面的博客可能会讲到，但是这个是不难的。建议把他放在addons那个文件夹下
