1.环境配置
1.1 安装CUDA
https://developer.nvidia.com/zh-cn/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
从该网址选择适合你的版本，下载安装完成之后将路径添加至系统变量。
最新版（2021年4月）安装可参考此网站
https://blog.csdn.net/weixin_42101177/article/details/113512010
1.2 安装CUDNN
https://developer.nvidia.com/zh-cn/cudnn
从该网址下载CUDNN，需要Nvidia账户，没有的需要先注册。注意选择的CUDNN版本要与CUDA版本相对应。
1.3 安装Nvidia最新显卡驱动
自行去Nvidia官网根据自己的显卡型号搜索下载。
1.4 安装Anaconda
1.5 安装TensorFlow
直接使用pip命令安装，注意根据自己的实际需要选择cpu版本或者gpu版本。如果使用cpu版本就不需要上面的一些列操作。
1.6 在此过程中本人遇到的问题
- CUDA版本/CUDNN版本/TensorFlow版本一致性的问题，对新手不友好
- CUDA安装过程中的环境变量设置，比较麻烦，对于不理解背后原理很容易搞错
- Anaconda的命令操作，不熟悉，上手需要一定的基础
- GPU test不通过，提示找不到CUDA的一个dll文件，通过修改CUDA\bin文件夹下dll文件的名字解决，这可能是tensorflow对改版本的CUDA支持不及时造成
- Anaconda创建虚拟环境时不成功，应为Anaconda文件夹在当前用户下权限不够，给了权限之后可
2. 配置tensorflow相关工具资源
本教程参考github文章，注意，该教程真针对tensorflow v2.0以下版本有效，V2.0版本可直接通过pip安装tf-models，不需要自己编译、安装了。（可直接调到第三步）
https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10/blob/master/translate/README_Chinese.md
前面步骤一直没有问题，知道build和setup这一步出现问题。
问题原因如下：
tensor官方更改了setup.py文件的地址，cd到新的地址即可解决
解决上述问题之后，在install环节，终端报错如下
需要安装微软c++编译工具，微软比较流氓，直接进网页的话会让安装visual studio，可通过以下链接只下载安装c++ build tools。
http://go.microsoft.com/fwlink/?LinkId=691126
出现上面情况的根本原因在于，github教程中使用的tensorflow版本较老，同时与之配到的tf-models也比较老，我们按照教程使用tensorflow-1.13，并安装对应版本的tf-models就可以啦，具体参考后面
3. 安装与tensorflow-1.13匹配版本的CUDA、CUDNN，并在anaconda中新建tf-gpu-1.13环境
参考第一部分，中心安装CUDA、CUDNN，并在anaconda中新建tf-gpu-1.13环境，在该环境下重新按照github教程进行即可。
遇到的问题
- 运行
jupyter notebook object_detection_tutorial.ipynb时没有直接跳转到脚本页面
需要手动选择object_detection_tutorial.ipynb脚本，即可，运行该代码段时，必须等左侧【*】中变为数字才算执行完成，然后再继续执行下一代码片段
