当你在Windows下执行Tensorflow object_detection的脚本时可能会如下报错：
python -m pip install pycocotools
又可能会出现如下错误：
这说明你的Windows下没有c/c++代码编译环境(因为pycocotools的主站点源码https://github.com/cocodataset/cocoapi默认只提供了源码，没有针对各平台编译好了的release，而且声称将来不支持Windows! )，这个不是简单安装个MS VC就行了(你会发现安装了还是报这个错)，需要到这里下载visualcppbuildtools_full.exe来安装。
安装编译环境完后，再执行python -m pip install pycocotools，结果还是报错，说invalid numeric argument '/Wno-cpp' ：
这是因为pipa安装默认下载的源码是不支持Windows上编译的，需要从一个让pycocotools PythonAPI支持使用Windows和Python 3 来build的clone站点https://github.com/philferriere/cocoapi来安装，执行下面的命令：
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
结果很快就下载编译并安装成功了：
我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8
我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本
我的AI之路(6)--在Anaconda3 下安装PyTorch
我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm
我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题
我的AI之路(10)--如何在Linux下安装CUDA和CUDNN
我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误
我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误
我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误
我的AI之路(14)--Caffe example：使用MNIST数据集训练和测试LeNet-5模型
我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决
我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境
我的AI之路(17)--Tensorflow和Caffe的API及Guide
我的AI之路(18)--Tensorflow的模型安装之object_detection