经过本人一段学习，终于完成了第一个训练集。记录一下，也为大家一个参考。相关数据集打包到百度网盘评论区留言可取。

推荐一本书

一、首先安装anaconda——创建虚拟环境（本人命名为tf1X）——下载安装tensorflow，numpy，pandas等包的准备。

一点注意python和tensorflow和其他包的版本匹配，自行去管我查询。

具体操作可以参考本人之前的博客。链接赋上：

Anaconda Prompt中装tensorflow_gpu_m0_63172128的博客-CSDN博客

二、开始迁移式学习

测试集图片如下：

首先这是我打标签的过程之一。

 用python一键训练模型：

 

 将提供的create_directories.py文件复制到workspaces文件夹下。到cmd输入：

conda activate tf1X

python create_directories.py -n my_training_demo

一键训练：

 

将one_command_train.py文件复制到my_training_dome,再cmd输入：（本人训练500次）

python one_command_train.py --steps 500 --batch_size 12

 

 训练好之后会在training文件夹生成这些节点文件

 

 最后，导出冻结图文件。完成整个训练过程。

tensorboard --logdir=evaluation\

 

冻结tensorflow模型

将tf_train\models\research\object_detection下的export_inference_graph.py

复制到自己的E:\tf_train\workspaces\my_training_dome下，启动cmd

python export_inference_graph.py --input_type image_tensor --pipeline_config_path training\ssd_inception_v2_coco.config --trained_checkpoint_prefix training\model.ckpt-500 --output_directory trained_frozen_models\my_training_model

将object_detection_example_1.py   复制到workspaces\my_training_dome下改名：为 object_detection_example_2.py

用编辑器打开object_detection_example_2.py修改代码：

运行看训练结果：

python object_detection_example_2.py

 

最终的结果还是准确率可以的