前言：
系统环境为：win10，本次用的是tensorflow1.12.0
完整目录为：
python人工智能 利用Tensorflow object detection API 搭建物体识别模型（一）CPU版
python人工智能 利用Tensorflow object detection API 搭建物体识别模型（二）CPU版
python人工智能 利用Tensorflow object detection API 搭建物体识别模型（三）CPU版
首先需要安装conda环境
一、开发环境
1）创建python3.6环境
conda create –n objDetect python=3.6
安装完后直接激活：
conda activate objDetect
2）安装tensorflow1.12.0
Conda install tensorflow==1.12.0
3）安装相关依赖环境
（1）安装常用工具
python -m pip install --upgrade pip --no-cache-dir pip install matplotlib pandas jupyter protobuf pillow cython lxml scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple pip install tensorflow-estimator==1.15.1 pip install -U numpy==1.17.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装完成后显示如下：
（2）安装pycocotools库
下载安装pycocotools，链接：https://github.com/philferriere/cocoapi，可以直接从这下载：https://pan.baidu.com/s/1Qd8S30vB7uLX4iBSY6uFRw?pwd=fiff
解压到D:\ai\objDetect\cocoapi-master，然后调用python安装
cd /d D:\ai\objDetect\cocoapi-master\PythonAPI python setup.py build_ext install
4）Tensorflow object detection API ：https://github.com/tensorflow/models下载到本地，解压
这里我使用的是tensorflow1.12，所以我选择了r1.13的分支。（百度链接：https://pan.baidu.com/s/1nZ0mXIfNvbTp6HsoPdqXLw?pwd=b5dg）
从github中选中对应版本进行下载：
解压models-r1.13.0.zip到D:/ai/objDetect/后，重命名目录为models
5）编译protobuf
cd d:\ai\objDetect\models\research protoc --python_out=. object_detection/protos/*.proto
会发现生成一系列的_pb2.py文件，说明这步操作成功了。
6）安装Tensorflow object detection 环境
python setup.py install
7）添加一些目录到环境变量里。
set PYTHONPATH=D:\ai\objDetect\models;D:\ai\objDetect\models\research;D:\ai\objDetect\models\research\slim echo %PYTHONPATH%
可以看到添加成功了，如果不添加下一步会出现报错：NO MODULE NAMED 'NETS'
8）测试一下是否安装成功。
python object_detection/builders/model_builder_test.py
如果出现下面界面，说明成功了！
9）运行jupyter notebook
cd object_detection jupyter notebook
成功后会打开你的默认浏览器，点击object_detection_tutorial.ipynb
然后点击Cells->Run All，等会要重复一次这次操作。
10）再次点击Run All，大功告成！
点击Cells->Run All，就可以看到demo了！
等待片刻，就出现了官方demo的图片，说明大功告成！
点击进入下一篇
python人工智能 利用Tensorflow object detection API 搭建物体识别模型（二）CPU版
