movenet需要使用tensorflow框架和显卡驱动的支持,环境的搭建可以通过anacanda一键搭建,但对于我这个初学者,比较喜欢需要什么安装什么来一步步搭建

环境主要需要这么几个:

movenet模型(可在线下载)
opencv-python
tensorflow
tensorflow-gpu
tensorflow_docs
tensorflow_hub
cuda
cudnn
zlib

1、movenet介绍和使用示例

MoveNet: Ultra fast and accurate pose detection model

2、opencv-python , tensorflow , tensorflow-gpu , tensorflow_docs , tensorflow_hub 都可以通过pip进行安装

pip install opencv-python tensorflow tensorflow-gpu tensorflow_docs tensorflow_hub

如需安装特定版本可以在模块后面加上== ,比如 tensorflow==2.7.1

如需查看现在安装的模块信息,可以通过 pip show 模块名 进行查看,比如 pip show tensorflow

3、cuda toolkit 下载地址

发行版本列表   

https://developer.nvidia.com/cuda-toolkit-archive 

根据自己的系统下载,比如Windows10,cuda11.6.2

安装的话一路默认即可

4、cuDNN下载,可能需要登录和验证

developer.nvidia.com/rdp/cudnn-archive

下载后是压缩包,需要把压缩包里面的文件解压到cuda安装路径的对应目录,一般默认在

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

5、zlib下载和安装

zlib下载地址

www.winimage.com/zLibDll/zlib123dllx64.zip

安装zlib,下载后解压到一个目录,然后把目录添加到系统path环境变量中,cuDNN也可以用同样的方法

6、cuDNN和cuda安装和说明文档

https://docs.nvidia.com/deeplearning/cudnn/

总结

1、python ,tensorflow,opencv ,cuda等的版本

      可以用新的,不必要非要用老的或者指定版本,通过pip安装默认版本即可

2、not found cudnn_ops_infer64_8.dll 或者not found cudnn_cnn_infer64_8.dll

      一般原因是没有安装cudnn或者没有设置cudnn环境变量

3、could not load library cudnn_cnn_infer64_8.dll error code 126或者

       could not load library cudnn_cnn_infer64_8.dll error code 193

       原因是zlib没有安装或者没有设置zlib目录环境变量,

 

通过如上一些步骤,基础环境算是部署好了,现在可以测试下movenet是否正常

使用vscode 打开movenet提供的代码,

www.tensorflow.org/hub/tutorials/movenet

这里为了验证做了精简

movenet 测试代码

图片路径和模型路径可根据自己的实际情况修改,模型为手动下载到本地加载,在线加载模型会出错

效果如图