2023年5月10のカンファレンス発表でMediaPipeが大きく進化しました．それに伴いカスタムモデルの作成等の情報がpreviewとして公開されています．一部ノウハウやバージョン情報が少なかったりで知見が必要だったのでこのページに忘備録代わりにまとめます．

image classificationやobject detection等のモデル学習に先立ち共通した環境構築が必要です．

• 動作環境：Linux, Windows（未検証）, *macOSは対象外（model makerとかでインストールエラーになる）

馬場の環境は

• Linux Ubuntu 16.04
• cuda toolkit : 11.3
• card: geforce gtx 1080ti

となります．いい加減環境が古いのですが，まだ大丈夫でした．新しいマシンがほしいです．colabに移行もあるかも．

1. anaconda のインストール
2. condaで環境構築
   1. conda create -n mediapipe python=3.9
   2. conda activate
   3. pip install –upgrade pip
   4. pip install tensoflow
   5. pip install mediapipe
   6. pip install mediapipe-model-maker

gpuで動作される場合，tensorflowはversion2より，tensorflow-gpuが廃止されていることに注意する．このページ（https://www.tensorflow.org/install/pip?hl=ja）にしたがってgpu対応のtensorflowにしておく． cudatoolkitのメジャーバージョンはシステムにインストールしているcudatoolkitと互換を取らないといけない．例えばシステムがv10に対してv11をcondaでインストールすると，insufficient なるメッセージでシステムのドライバがバージョン互換が保てなくて，インストール等はうまくいくが，実行時にエラーとなる．

1. anaconda のインストール
2. condaで環境構築

``` conda create -n mediapipe python=3.9 conda activate conda install -c conda-forge cudatoolkit=11.8.0 python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.12.* mkdir -p $CONDA_PREFIX/etc/conda/activate.d echo 'CUDNN_PATH=$(dirname $(python -c “import nvidia.cudnn;print(nvidia.cudnn.file)”))' » $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh python3 -c “import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))” pip install –upgrade pip pip install tensoflow pip install mediapipe pip install mediapipe-model-maker ```

物体検出の学習は以下のページがメインリソース

• https://developers.google.com/mediapipe/solutions/vision/object_detector/customize

colaoを利用しない場合はその部分は削除してOK.あとはウェブサイトに示されている手順どおり．うまくいくとモデルが完成するので，出来上がったモデルを試すページは以下

• https://mediapipe-studio.webapps.google.com/demo/object_detector