https://github.com/tensorflow/models下有不少各種用途的模型用於圖片、語音、視訊等方面的處理，這裡以現在不少公司都使用來做物件檢測或目標識別的object_detection為例來說明模型的安裝和使用過程。

    如果你已經安裝好了Tensorflow環境並且測試了Tensorflow能正確執行，那麼把模型使用起來是比較簡單的，對於object_detection模型的安裝過程，如果你是在linux上安裝的話，按照https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md

裡說的做就行了，前面部分說的依賴庫，在安裝Tensorflow時應該都已經安裝解決不用看，對於COCO API，如果你需要用到就按照裡面的說明去安裝，不需要用到就可以略過，後面需要時再回頭安裝。

      不過為了方便和我安裝的Windows版OpenCV的目標檢測對照效果，我是直接在Windows下也安裝了Tensorflow，然後在Windows下使用object_detection，下載完上面說的Tensorflow的模型檔案包master.zip後，我展開到了路徑D:\AI\tensorflow\models下。  

      然後從https://github.com/protocolbuffers/protobuf/releases/

這裡下載個最新版3.6.1版的編譯好了的Windows版本的protoc檔案壓縮包到本地D:\AI\tensorflow\protoc-3.6.1-win32後解壓後把D:\AI\tensorflow\protoc-3.6.1-win32\bin加入到path路徑

   set PATH=D:\AI\tensorflow\protoc-3.6.1-win32\bin;%PATH%

然後cd D:\AI\tensorflow\models\research\object_detection\protos，再對protos目錄下的每個檔案執行類似如下命令由.proto檔案生成對應的.py檔案，這裡比較噁心的是高版本的protoc不支援檔案萬用字元*了，只能指定具體的完整的檔名，這點很惱火，不知道為何要這麼倒退，以前比較老的版本的protoc是支援萬用字元一次處理多個檔案的：

    

...

然後設定PYTHONPATH環境變數：

然後回到上層目錄：cd D:\AI\tensorflow\models\research，再執行 

python object_detection/builders/model_builder_test.py

這就準備好object_detection模型了，下面跑了例子試試，執行：jupyter notebook 以啟動jupyter notebook:

在彈出的瀏覽器頁面中的列表裡點選object_detection進入:

然後點選object_detection_tutorial.ipynb檔案:

在進入的頁面中連續點選run按鈕單步執行裡面的python指令碼塊直至最後：

然後等一會兒，會出現兩張圖片和目標識別結果：

OK，這說明object_detection模型完全可以正確使用了。