环境:Ubuntu16.04
Anaconda3
tensorflow 1.9.0
CUDA 9.0
首先安装tensorflow gpu版本,具体过程请参考链接【Tensorflow】(一):环境配置(Anaconda)。
CUDA的安装过程请参考链接:【CUDA】linux ubuntu16.04 卸载cuda8.0 安装cuda9.0。
安装完成之后激活tensorflow环境,使用下面的命令:
source activate tensorflow_gpu
接下来还需要安装opencv,具体的安装过程请参考链接:【Tensorflow】tensorflow中添加opencv支持。
下面就可以从github上拉取源码了。
git clone [email protected]:ildoonet/tf-pose-estimation.git
cd tf-pose-estimation
pip install -r requirements.txt
下面还需要swig支持,所以
cd tf_pose/pafprocess
安装swig,
sudo apt install swig
现在可以swig代码了,
swig -python -c++ pafprocess.i && python3 setup.py build_ext --inplace
环境已经搭建好了,下面可以进行测试,
python run.py --model=mobilenet_thin --resize=432x368 --image=./images/p2.jpg
另外还可以测试视频,
python run_video.py --model=mobilenet_thin --resolution=432x368 --video=test.mp4
或者调用摄像头,实时获取视频,
python run_webcam.py --model=mobilenet_thin --resolution=432x368 --camera=0