以下實作基於 GitHub 作者 fizyr 的 keras-retinanet 實現過程，詳細說明可以參考 原文，以下紀錄實作過程中碰到的問題和解決方式，以及使用的環境。

環境

• OS: Win10 pro
• GPU: 1060 6G
• TF-GPU: 1.10.0
• keras: 2.0.5

install

安裝好自己硬體配置的 tensorflow 環境後依照下面步驟

安裝相關套件

numpy 安裝請用以下指令

pip install numpy --user

接著在 setup.py 的目錄執行下面命令

pip install . --user

python setup.py build_ext --inplace

以上兩行指令執行過程中，如果跳出 error: Microsoft Visual C++ 14.0 is required 的訊息請到 Visual C++ 2015 Build Tools 安裝 C++相關套件，因為 windows 大多沒有預設安裝，安裝完成後再次執行 pip install . --user

執行 ResNet50RetinaNet.py

到 example 目錄下執行命令

python ResNet50RetinaNet.py

執行成功顯示如下圖

接著，我們開啟 ResNet50RetinaNet.ipynb 這支 jupyter notebook 的檔案，這邊我直接用 vscode 開啟，如下圖

我們先 Run 第一個 cell 看看，點擊左上角綠色開始按鈕，如圖

如果碰到下圖錯誤，表示 pip install . --user 沒有執行完全，請到此 步驟看看

如果成功執行但是有一些如下 WARNING 可以忽略不要緊

接著，在執行下一段之前，先到 這裡 安裝 models，如下圖

存放位置請放在 keras-retinanet\snapshots 底下

下載好後，可以 Run 看看這個 cell，成功後還是會有很多警告，這些大部分是版本和建議替代方案的警告，我們先確定整個代碼可以 run，在修改版本即可

最後，他預設了一張 test data 給我們做測試，如下圖

按照該網路架構我們能判別圖片中的人物、領帶等等物件，我們就來 Run 看看，第一張圖可以看到我們的過程花費約 7.8 秒

第二張圖可以看出各物件以及其準確度

結論

可以看出來與作者的結果有些微差異，這部有可能因為在過程中出現的版本或是硬體差異，而對結果有一些不同，可以試著改善這些警告或許會有更佳的表現