好記性不如爛筆頭，純粹為自己的學習生活記錄點什么！
本次記錄win10下安裝python3+curl+pip+jupyter，以及修改右鍵快捷打開cmd
對于大多數的學習者，還是習慣選擇在ubuntu系統上學習深度學習，主要還是因為絕大多數算法實現都是ubuntu上實現的，而且環境配置簡單方便，絕大部分依賴庫都可以通過pip一行代碼解決。
今天介紹的是win10系統下的pip安裝，并且安裝配置Jupyter notebook。我的代碼都是ubuntu上運行，但是一運行起來就會很卡，因為顯卡顯存幾乎全部被TensorFlow占用完了，因此我就想在筆記本上配置一個完整環境，方便修改代碼。我的筆記本是ThinkPad T440P，內存12G，顯卡GTX 730M。
安裝順序：
python3 -> curl -> pip -> Jupyter notebook
移駕到python官網
https://www.python.org/downloads/windows/
現在系統一般都是64位，認準X86-64，按照windows用戶使用習慣，下載圖中箭頭所指exe文件，下載完畢直接安裝即可。
上圖中，一定要注意，勾選Add Python 3.5 to PATH，確保python添加到系統環境變量，然后install now即可，或者你選擇Customize Installation，將Python安裝到預設文件夾。安裝成功，會提示“Setup was successful message”。
按著鍵盤左下角win圖標+R，輸入cmd，打開命令行窗口，輸入
python -V
正常輸出python版本，沒有錯誤說明安裝成功！
Python 3.5.1
pip官方介紹安裝方法中用到curl下載pip文件，因此在此之前我們先安裝curl，官網地址：
https://curl.haxx.se/windows/
選擇64位下載
這是64位下載地址：
https://curl.haxx.se/windows/dl-7.61.1_6/curl-7.61.1_6-win64-mingw.zip
下載完成后解壓縮，找到bin文件下的curl.exe文件，將其拷貝到C:\Windows\System32文件夾下，如圖所示：
然后 驗證curl是否配置成功， Win鍵+R -> cmd打開命令行窗口，輸入
curl -V
輸出如下結果，則可進行下一步：
curl 7.55.1 (Windows) libcurl/7.55.1 WinSSL Release-Date: [unreleased] Protocols: dict file ftp ftps http https imap imaps pop3 pop3s smtp smtps telnet tftp Features: AsynchDNS IPv6 Largefile SSPI Kerberos SPNEGO NTLM SSL
PIP是python的一個包管理系統，所以為了能夠方便后續依賴庫的安裝，安裝pip是很好的選擇，也是懶人之福。借助于curl我們可以很容易完成pip的安裝。
首先，下載get-pip.py文件，cmd命令行下執行如下命令：
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
然后運行
python get-pip.py
.默認安裝完畢即可。然后配置環境變量，我的電腦右鍵屬性--高級系統設置
然后如下圖選擇環境變量：
依下圖在環境變量中找到path一行，雙擊打開：
選擇新建，復制這行粘貼()
# xxx是你個人安裝python的安裝目錄 C:\xxx\Python\Scripts\
最后確認即可！
我們在cmd命令行下輸入
pip list
查看是否配置成功，當然第一次輸入可能會沒有任何列表，隨后等你安裝了各種依賴庫以后，就會出現類似下面結果
有了前面的基礎，安裝jupyter notebook非常簡單了！
首先對pip升級
pip3 install --upgrade pip
然后，安裝jupyter notebook
pip3 install jupyter
安裝成功就大功告成了！！
只需要在cmd中輸入
jupyter notebook
就會自動打開瀏覽器，并且列出文件目錄，但是這里有個非常麻煩的問題，如下圖
每次在win鍵+R 輸入cmd打開命令行窗口后，打開的都是默認的目錄，如果我們的jupyter notebook在另外一個文件夾，打開就會很麻煩，所以我們需要將打開cmd命令行加入到鼠標右鍵中！
桌面新建一個txt文件(比如是my.txt)，打開，復制以下內容到txt文件中：
注意：我對下面做了修改，將第一個'在此處打開命令行'替換成了'小宇宙爆發吧'，你也可以改成其他文字，這樣你在文件夾空白處右鍵時都會顯示修改的文字，后面有效果圖！
Windows Registry Editor Version 5.00 [HKEY_LOCAL_MACHINE\SOFTWARE\Classes\Directory\background\shell\cmd_here] @="小宇宙爆發吧" "Icon"="cmd.exe" [HKEY_LOCAL_MACHINE\SOFTWARE\Classes\Directory\background\shell\cmd_here\command] @="\"C:\\Windows\\System32\\cmd.exe\"" [HKEY_LOCAL_MACHINE\SOFTWARE\Classes\Folder\shell\cmdPrompt] @="在此處打開命令行" [HKEY_LOCAL_MACHINE\SOFTWARE\Classes\Folder\shell\cmdPrompt\command] @="\"C:\\Windows\\System32\\cmd.exe\" \"cd %1\"" [HKEY_LOCAL_MACHINE\SOFTWARE\Classes\Directory\shell\cmd_here] @="在此處打開命令行" "Icon"="cmd.exe" [HKEY_LOCAL_MACHINE\SOFTWARE\Classes\Directory\shell\cmd_here\command] @="\"C:\\Windows\\System32\\cmd.exe\""
保存修改，并且將此文件名后綴改為‘my.reg’，確認修改。最后，運行這個reg文件，點擊確認即可！
比如在桌面空白處右鍵，則呈現如下效果圖：
至此，結束！ 可以自由的在任意文件夾中打開jupyter notebook了！
慢慢積累，慢慢記錄，一切都會好的，加油！
看過很多博主通過 Object Detection 實現了一些皮卡丘捕捉，二維碼檢測等諸多特定項的目標檢測。而我跟著他們的案例來運行的時候，不是 Tensorflow 版本沖突，就是缺少什么包，還有是運行官方 object_detection_tutorial 不展示圖片等等問題。
在看過一個國外博主例子，我也通過 Tensorflow-GPU1.10.0 運行了官方例子，既然要使用 GPU 則需要把 CUDA 先配置好，上一篇文章有特別詳細介紹到。而這里就捋一下在運行過程遇到的種種問題。
1. windows10 的 64 位電腦
2. 顯卡 GeForce GTX 750 Ti
3. Python 3.6.13
4. Tensorflow-GPU 1.10.0
5. Cuda 9.0.176
6. Cudnn7.0.5
1. 安裝 Python 3.6.13 環境
由于之前我有其他項目用了高版本的 Py，這里我就用了 Anconda3 的 conda 創建一個虛擬環境，這里的 conda 的 bin 目錄需要加到環境變量中。
1.1. 查看環境列表
輸入 conda env list，就可以列出以往所有的環境名了，也是為了避免后面太多相似
1.2. 創建新環境并進入
conda create -n object_dection python=3.6 && conda activate object_dection
1.3. 安裝 Tensorflow-gpu
因為以上通過 conda 創建了新環境也安裝了 pip，所以只需要輸入 pip install tensorflow-gpu==1.10.0，在下載過程中可能會中斷，要多試幾次。
1.4. 安裝其他依賴
conda install -c anaconda protobuf
pip install pillow
pip install lxml
pip install Cython
pip install jupyter (時間較長，可能會中斷)
pip install matplotlib
pip install pandas
pip install opencv-python (安裝是可能會被殺毒軟件誤報)1. 下載與 TF 1.10.0 對應的模型庫
以下是對應關系，我這里就選擇 ”tensorflow/models/tree/b07b494e3514553633b132178b4c448f994d59df“，下載完畢后放入一個盤符下即可。
TensorFlow版本 GitHub 模型存儲庫提交
TF v1.7 https://github.com/tensorflow/models/tree/adfd5a3aca41638aa9fb297c5095f33d64446d8f
TF v1.8 https://github.com/tensorflow/models/tree/abd504235f3c2eed891571d62f0a424e54a2dabc
TF v1.9 https://github.com/tensorflow/models/tree/d530ac540b0103caa194b4824af353f1b073553b
TF v1.10 https://github.com/tensorflow/models/tree/b07b494e3514553633b132178b4c448f994d59df
TF v1.11 https://github.com/tensorflow/models/tree/23b5b4227dfa1b23d7c21f0dfaf0951b16671f43
TF v1.12 https://github.com/tensorflow/models/tree/r1.12.0
TF v1.13 https://github.com/tensorflow/models/tree/r1.13.0
最新版本 https://github.com/tensorflow/models2. 下載 TF 的目標檢測模型
下載地址在模型庫的 research/object_detection/g3doc/tf1_detection_zoo.md 里，模型選擇就很有講究了，若要在計算能力較差的設備上 (智能手機、樹莓派、FPGA 等嵌入式系統中)，使用 SSD-MobileNet 系列，若在工作站上訓練檢測可使用 RCNN 系列。這里選擇的是 ”Faster-RCNN-Inception-V2“，下載完畢后放入上面模型庫里的 object-detection-model\research\object_detection 下面。
3. 下載國外博主提供的 demo
地址：TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10，下載后解壓放入 object-detection-model\research\object_detection。
1. 配置模型的環境變量
需要將 \models, \models\research, and \models\research\slim 三個路徑加入到 path 的環境變量中。
2. 編譯 Protobuf 文件
命令的目錄切換到 "object-detection-model\research” 下，通過前面 conda 安裝的 protobuf 將.proto 編譯成 name_pb2.py 文件，輸入以下命令。
protoc --python_out=. .\object_detection\protos\anchor_generator.proto .\object_detection\protos\argmax_matcher.proto .\object_detection\protos\bipartite_matcher.proto .\object_detection\protos\box_coder.proto .\object_detection\protos\box_predictor.proto .\object_detection\protos\eval.proto .\object_detection\protos\faster_rcnn.proto .\object_detection\protos\faster_rcnn_box_coder.proto .\object_detection\protos\grid_anchor_generator.proto .\object_detection\protos\hyperparams.proto .\object_detection\protos\image_resizer.proto .\object_detection\protos\input_reader.proto .\object_detection\protos\losses.proto .\object_detection\protos\matcher.proto .\object_detection\protos\mean_stddev_box_coder.proto .\object_detection\protos\model.proto .\object_detection\protos\optimizer.proto .\object_detection\protos\pipeline.proto .\object_detection\protos\post_processing.proto .\object_detection\protos\preprocessor.proto .\object_detection\protos\region_similarity_calculator.proto .\object_detection\protos\square_box_coder.proto .\object_detection\protos\ssd.proto .\object_detection\protos\ssd_anchor_generator.proto .\object_detection\protos\string_int_label_map.proto .\object_detection\protos\train.proto .\object_detection\protos\keypoint_box_coder.proto .\object_detection\protos\multiscale_anchor_generator.proto .\object_detection\protos\graph_rewriter.proto3. 安裝 Object-Detection
繼續在 “object-detection-model\research” 目錄下，分別運行下面兩個命令，并且會多出幾個文件夾。
python setup.py build
python setup.py install為了驗證 Object Detection 是否安裝成功，也為了運行目標檢測官方案例。通過前面安裝的 jupyter，執行以下命令，前提是命令目錄需要切換到 “object-detection-model\research\object_detection”。
jupyter notebook object_detection_tutorial.ipynb運行后默認會打開瀏覽器，然后打開腳本，并能一次一步地瀏覽代碼部分。可以通過單擊上面工具欄中的 “運行” 按鈕逐步瀏覽每個部分。當小節旁邊的 “In [*] 文本中的數字出現時，該節將完成運行 (例如 “In [1]”)。(注意：其中有一步是從 GitHub 上下載 ssd_mobilenet_v1 模型，大約 74M，需要多等一會，程序是在執行的，并不是死機或出錯。靜等 In [*] 中的 * 變成數字)。但是當我在點擊每段代碼時，就有以下幾個報錯。
1. Could not find 'cudart64_90.dll'. TensorFlow requires that this DLL be installed in a directory that
原因：本地電腦沒有 CUDA 的 cudart64_90.dll 文件，當安裝 CUDA 后還報錯，原來是啟動窗口沒有關閉，命令找的是舊環境地址
方法：重啟打開該 conda 環境，再重新啟動 jupyter 命令。
2. Please upgrade your tensorflow installation to v1.4.* or later
原因：反復確認過在該環境下安裝的是 TF1.10.0，目前不知道什么原因，以下方法雖然解決了，但是第一段代碼運行還有有一些異常信息。
方法：打開 object_detection_tutorial.ipynb 文件，找到 "source", 刪除或注釋掉以下代碼。
3. 目標檢測的圖片不出來。
原因：目前不知道原因，沒有錯誤提示，我也更換過瀏覽器。
方法：代碼運行選擇了 run all，在火狐瀏覽器里就出來了。