Google Colab运行TensorFlow 2 setup.py超时，如何安装Object Detection API

以下步骤可完全规避python -m pip install .阶段的超时问题：

• 第一步：配置Colab运行时
  点击顶部菜单栏「修改」→「笔记本设置」，硬件加速器选择「GPU」后保存，等待运行时重启完成。
• 第二步：提前安装核心依赖并配置国内镜像源
  执行以下命令完成基础依赖预装，避免后续批量安装触发网络超时：

!pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
!pip install tensorflow==2.15.0 opencv-python matplotlib pillow lxml Cython contextlib2 pycocotools

• 第三步：浅克隆TensorFlow Models仓库
  跳过完整仓库的历史提交下载，大幅减少克隆耗时：

!git clone --depth 1 https://github.com/tensorflow/models.git

• 第四步：手动编译Protobuf文件
  避免setup脚本自动下载Protobuf编译器触发超时：

%cd /content/models/research
!apt-get install -y protobuf-compiler
!protoc object_detection/protos/*.proto --python_out=.

• 第五步：跳过依赖检测执行安装
  核心依赖已提前预装，安装时跳过依赖检查即可避免重复拉取资源卡顿：

!cp object_detection/packages/tf2/setup.py .
!pip install --no-deps .

• 第六步：验证安装结果
  执行测试命令，输出OK即代表安装成功：

!python object_detection/builders/model_builder_tf2_test.py

补充说明：如果验证时出现个别依赖版本不兼容的报错，直接根据报错提示安装对应版本的依赖包即可，无需重新执行完整安装流程。

内容的提问来源于stack exchange，提问作者Fredrik