@win10+tensorflow1.12-gpu+tensorflow object detction 配置
前言
1.我这里装的是tensorflow1.12-gpu，最后安装的时候会自己自动安装为最新版tensorflow，在这个网址最下边你会看到版本支持信息https://tensorflow.google.cn/install/source_windows
2. 我的所有东西都装到了c盘里面，因为我的c盘很大，你们可以根据自己的情况来。
开始安装咯
1.安装Anaconda3 5.1（自带python3.6）
Anaconda过程安装过程简单，打开安装包后选择好路径后就能安装
下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
（两个最好都要勾选，然后就是下一步、下一步，跟安装普通软件没区别）
2. 安装CUDA® Toolkit 9.0
这个不知道为什么去cuda官网上下载到一半就会停止，导致下载失败，相信很多人都有这种问题。百度cuda9.0 win10，在csdn上就有许多下载源，但是是要收费的，需要你冲csdn币，充值一次最少119元，如果不想冲那么多，你可以去淘宝搜索csdn，然后你就懂了。
安装软件会先运行一个系统检查，如果没有软硬件不兼容的情况就能继续进行下一步。若有不兼容情况，系统检查则会报错，无法进行下一步。如果报错了，就最先考虑下是不是自己的显卡不被该版本支持。
在选项着一栏选择自定义，否则安装程序会一股脑把里面所有软件包都给你装上。
在选择安装项时一般不安装GeForce Experience，CUDA是核心组件必须勾上，剩下两个选项的当前版本如果比新版本低的话也可以勾选上。接着点击下一步就开始安装了
3. CuDNN7.1安装
下载地址：https://developer.nvidia.com/rdp/cudnn-download
下载前会让你注册一个账号，注册呗
进入即将下载的页面，看好咯你要下载的文件，你要是下的cuda9.0就点画圈的那个，同理，你要是下载的10.0就点第一个。
接下来点cudnn for win10
解压压缩包cudnn-9.0-windows10-x64-v7.0.zip，得到三个文件夹
将这三个文件拷贝到CUDA9.0的安装路径根文件夹下
4.visual studio 2015的安装
下载地址：http://www.33lc.com/soft/32106.html（我没在官网上下载）
在这个网址的最下面，不要点高速下载器，点普通下载地址。得有3.8G。
下载完后打开最后一个图标
画红线的点上√；然后就开始安装啦，不过需要很长很长时间哦，耐心耐心耐心。
然后就是下一步下一步等等，跟普通软件没区别
5.安装tensorflow-gpu最新版本（我这是tensorflow-gpu1.12）
打开Anaconda Prompt，进入Anaconda命令行管理界面。配置清华仓库镜，输入指令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
创建运行环境，输入指令：conda create -n tensorflow-gpu python=3.6
新建一个名字叫“tensorflow-gpu”，python版本为3.6的运行环境，此环境与Anaconda中其它环境隔离。红框中的软件包也会随之安装，输入“y“和回车后开始安装。
**并进入环境，使后续指令在**的环境中生效，输入指令：
activate tensorflow-gpu
升级pip到最新版，防止稍后的安装时，出现错误（笔者初次在安装tensorflow时，没有更新pip到最新版，导致下载到一半出现错误），输入指令：
python -m pip install --upgrade pip
安装tensorflow1.12.0及相应依赖包，输入指令：
pip install --ignore-installed --upgrade tensorflow-gpu
至此，tensorflow的安装完成。
5.验证安装是否成功
在命令行中，进入python，并输入以下代码：
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session() 注意：这一步会话一定时间哦，不要关闭，耐心耐心耐心
print(sess.run(hello))
输出：
b’ Hello, TensorFlow!
至此，tensorflow-gpu1.12安装成功
接下来我们来搭建属于自己的物体识别模型
6.下载Tensorflow object detection API
https://github.com/tensorflow/models
从github上下载项目（右上角“Clone or download”-“DownloadZIP”），下载到本地目录（避免中文），解压。我是解压到了c盘上。
7.Protobuf 安装与配置
在 https://github.com/protocolbuffers/protobuf/releases?after=v3.5.2 网站中选择windows 版本（最下面），注意，我下的是画红圈的这个，我电脑是64位的，没毛病。
解压后将bin文件夹中的【protoc.exe】放到C:\Windows
在models\research\目录下打开命令行窗口，输入：
protoc object_detection/protos/*.proto --python_out=.
不报错即可。
8.PYTHONPATH 环境变量设置
在 ‘此电脑’-‘属性’- ‘高级系统设置’ -‘环境变量’-‘系统变量’ 中新建名为‘PYTHONPATH’的变量，将models-master/research/ 及 models-master /research/slim 两个文件夹的完整目录添加，分号隔开，效果如下图（注意要有分隔符）：
接下来可以测试API，在 models/research/ 文件夹下运行命令行：
python object_detection/builders/model_builder_test.py
不报错说明运行成功。
9. 测试自带案例
“开始Anaconda3-Anaconda Prompt”调出命令行，改变工作目录至 models\research\object_detection
然后输入jupyter notebook，就会调用浏览器（Chrome）打开当前文件夹，点开 object_detection_tutorial.ipynb，
在新标签页中打开 Object Detection Demo，点击上方的 “Cell”-“Run All”，
就可以直接看到结果，最后输出的是两张图片的识别结果，分别是狗，以及沙滩。第一次运行由于需要下载训练好的模型，耗时较长，估计电脑会嗡嗡响起来，运行结束后就不响了。第二次之后可以将 .ipynb文件中 Download Model 即 in[5]部分的代码注释掉，以加快运行速度。
如果在notebook中运行有问题，可以将.ipynb中in[]的代码复制到.py中，然后在 开始-Anaconda3-spyder 中运行。
至此Tensorflow object detection API 的环境搭建与测试工作完成。