1.安裝

             tensorflow 原始碼在 github 主要有兩個倉庫，一個是tensorflow ，另一個是models，我們需要的api 在models中。

專案地址： 

官方安裝說明文件：

依賴的庫：

• Numpy
• Pillow 1.0
• Jupyter notebook
• Matplotlib
• Tensorflow

                 以上均可使用pip 安裝，作業系統本人使用ubuntu 16.04

安裝：

            安裝到任何位置均可，使用git clone  https://github.com/tensorflow/models  命令 或者 在網頁下載 zip 解壓均可

            新增slim 路徑，開啟終端，進入到如下路徑，並輸入命令：

# From tensorflow/models/research/
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

            注意：這個命令是每次開啟終端都需要輸入的，如果你想每次自動執行，請在每個使用者的~/.bashrc的最後一行加上，上面的命令，pwd要更改成research資料夾的絕對路徑。

編譯模型：

            research資料夾下輸入命令：

protoc object_detection/protos/*.proto --python_out=.

2.測試

測試安裝成功：

python object_detection/builders/model_builder_test.py

            如果出現：ran 14 tests in 0.004s 字樣 說明安裝成功

測試程式：

            以root身份執行jupyter：

sudo jupyter-notebook --allow-root

            開啟research/object_detection目錄下的object_detection_tutorial.ipynb,，點選cell 的 run all ，右上角python3 後面的圓點變成實心說明程式正在執行，等待幾分鐘，圓點變成空心，說明程式執行結束，可以看到一張狗的圖片和一張海灘的測試圖片，上面的被識別的物體被bounding-box 包圍著。

3.執行程式

            這裡有一個利用tensorflow object detection api 和 opencv 寫的實時目標檢測程式，呼叫計算機上的攝像頭，實時目標檢測。

專案原始碼：

               這個專案是使用anaconda 環境，但是我沒有使用anaconda，直接執行python object_detection_app.py 就可以。

               執行成功可以看到出現一個小視窗，從攝像頭影象實時目標檢測。

               通過閱讀原始碼發現，使用的是ssd_mobilenet模型，檢測速度非常快，訓練的資料集是coco，關於詳細原始碼分析，在近期的部落格會寫。