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