Windows +TensorFlow运行Faster-RCNN环境搭建
版权声明：本文为博主原创文章，未经允许，不得转载。https://mp.csdn.net/mdeditor/93054089
本人平时是远程访问实验室的GPU进行模型训练，但是最近想在编译器环境下进行代码优化，所以决定在本机windows环境下搭建Faster-RCNN的运行环境。
本文所选择的Windows环境下Faster-RCNN版本代码为
https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5
该版本需要Python 3.5支持，在这里建议大家使用Anaconda，避免出现和原本电脑Python版本冲突等问题。
1 安装anaconda
anaconda下载地址：https://repo.continuum.io/archive/
选择支持Python3.5且与自己电脑系统匹配的anaconda版本。
本机为windows环境，64位系统，选择版本如下：
安装完成后，将anaconda的安装路径添加到环境变量，然后在cmd中输入
conda -V
能够显示anaconda的版本信息则说明安装成功。
anaconda3 默认的python版本是python3.6，而我需要的是python3.5，因此，打开cmd，创建一个python3.5的虚拟环境
conda create -n python35 python=3.5
成功后anaconda3的envs里就多了python35这个环境的目录，这个目录中的python.exe 就是3.5版本的了，之后在eclipes或pyCharm中配置python项目时，就可以选这个解析器。
2 安装tensorflow
2.1 创建tensorflow虚拟环境
首先在conda中创建一个tensorflow的虚拟环境，且python版本为3.5
conda create -n tensorflow python=3.5
之后的工作都在这个环境下完成。
激活虚拟环境：activate tensorflow
关闭虚拟环境：deactivate
2.2 tensorflow版本选择
TensorFlow有CPU版本和GPU版本，GPU版本使用显卡，硬件要求较高，但计算效率高，我在本机不进行模型训练，只修改代码，要求能运行起来Faster-RCNN就可以，所以我下载的是CPU版本的tensorflow，如果想要安装GPU版本的tensorflow，需要提前安装NVIDIA、CUDA和cudnn，详细安装步骤可参考博客 https://blog.csdn.net/qq_29370449/article/details/91491428
（Ubuntu+GPU+Tensorflow运行Faster-RCNN_TF环境搭建）
个人建议，如果电脑的显存大于4GB的话可以考虑GPU版本的TensorFlow。
2.3 安装tensorflow
首先，激活虚拟环境
activate tensorflow
执行安装命令
pip install --ignore-installed --upgrade tensorflow
安装完成后检查是否安装成功
python
import tensorflow as tf
tf.__version__
能正确输出tensorflow版本号表明安装成功。
3 安装python依赖
这一步仍旧需要在tensorflow虚拟环境下进行
activate tensorflow
pip install cython
pip install python-opencv
pip install easydict
如果通过该方式无法成功安装opencv，可访问该网址 http://www.lfd.uci.edu/~gohlke/pythonlibs/ 查找OpenCV，选择支持python3.5版本，且与自己电脑系统匹配的安装包进行下载。
使用pip进行安装
pip install D:\Software\python\opencv_python-3.4.6-cp35-cp35m-win_amd64.whl
4 代码环境配置
源码下载后，进入到目录./data/coco/PythonAPI，在cmd中输入
activate tensorflow
python setup.py build_ext --inplace
python setup.py build_ext install
如遇错误error:Unable to find vcvarsall.bat
原因是缺乏c++编译环境
解决：可下载安装visual studio，但是vs太大，不建议安装，可以选择安装单独的开发工具集(vc++)，下载地址： https://blogs.msdn.microsoft.com/pythonengineering/2016/04/11/unable-to-find-vcvarsall-bat/
选择如下图支持python3.5的Visual C++进行下载
我的电脑是win10系统，如下图选择后便进行下载安装了。
安装完成后，错误解决。
该过程中还有可能遇到ImportError: No module named ‘matplotlib’、
ImportError: No module named ‘PIL’、
ImportError: No module named ‘scipy’ 等，直接使用
pip install matplotlib
pip install pillow
pip install scipy
即可解决。（注意：安装这些依赖库也需要在tensorflow虚拟环境下进行）
至此，运行环境搭建完成。
之后下载VOC2007数据集放在./data/VOCDevkit2007下，预训练的VGG16网络模型重命名为vgg16.ckpt并放在./data/imagenet_weights/下，然后就可以通过python train.py运行代码啦。