一、delf基础package

1.1、安装tf-Slim

cd c:\dlenv
git clone git@github.com:google-research/tf-slim.git
cd tf-slim
pip3 install .

1. 2、安装Protobuf

（1）、下载
protobuf Releases · protocolbuffers/protobuf · GitHub
本文下载的是3.17.3版本，项目要求版本>=3.3即可
在这里插入图片描述
（2）添加bin目录绝对路径至环境变量

安装protocol编译器成功后，检测

（3）将protoc-3.17.3-win64\bin下的protoc.exe复制到protobuf-python-3.17.3\protobuf-3.17.3\src

（4）编译测试

cd protobuf-python-3.17.3\protobuf-3.17.3\python文件夹
python setup.py build        //编译
python setup.py test         //测试编译是否成功
python setup.py install     //安装

编译显示
在这里插入图片描述
测试编译

安装 import google.protobuf 不报错即可

1.3、 Python dependencies

安装python库依赖

conda install matplotlib numpy scikit-image scipy

二、配置delf

2.1.tensorflow/models

github tensorflow/models并安装所需的库:(注：object_detection库需要手动添加tensorflow/models/research/到PYTHONPATH库中，详细过程在安装完tensorflow/models后讲解）

https://github.com/tensorflow/models

2.2.安装 slim’s “nets” package.

#进入 models/research/slim/ 文件夹

pip install -e .

2.3、编译DELF的protobufs

（1）进入 tensorflow/models/research/delf/ 文件夹

cd ..
cd ./delf
protoc delf/protos/*.proto --python_out=.

不输出就是成功，果编译出错，可能是proto版本的问题

（2）Install “delf” package.

pip install -e .

会提示安装成功，但仍需要import delf看是否成功

2.4、安装object_detection库

~~这里是大坑~~
（1）Protobuf编译
Tensorflow对象检测API使用Protobufs配置模型和训练参数。在使用框架之前，必须编译Protobuf库。这应该通过从tensorflow / models / research目录运行以下命令来完成：
注意 research目录，不是object_detection目录

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

(2)ModuleNotFoundError: No module named ‘object_detection‘
需将“models\research\object_detection\packages\tf2”文件夹下的“setup.py”复制到“models\research”目录下，然后执行：

cd ./research
python setup.py build
python setup.py install

但是cuda不能用了，一直不知道什么原因，看到conda list有tensorflow2.6.0，才知道object_detection api有些模块需要2.6
为了cuda能用，先卸载再安装还是不行

pip uninstall tensorflow
pip install tensorflow==2.2.0

没办法重头又配置一遍，这次直接pip install tensorflow==2.2.0，会把2.6直接卸载，cuda可以用了
终于配好DELF模型的环境，下节讲讲怎么跑起来

1、DELF安装
2、安装tensorflow中的delf深度图像检索模块
3、TensorFlow的子项目DELF的测试及学习

delf配置：delf配套环境（二）