為了避免不必要的麻煩，先說一下我的系統版本
Python 3.6 tensorflow 1.10 windows 7
object detection API安裝
object detection API 安裝參見官方的github: https://github.com/tensorflow/models/tree/master/research/object_detection
這裡需要特别強調一下，一定要檢查一下，下面的python的包都安裝了，方法很簡單，全部執行一遍
coco API安裝
windows下面不需要--user選項，Oxford-IIIT Pet 資料集使用coco metrix， 是以下面必須執行這個指令行：
-
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI
在windows下面遇到utf-8編碼錯誤
如下修正：
C:\Program Files\Python\Python36\Lib\site-packages\pip\compat\_init_.py
79行改成gbk， utf-8替換為gbk， 不一定是是79行。再次執行即可成功安裝
建立訓練資料記錄tfrecord
下載下傳好Oxford-IIIT Pets Dataset資料集，解壓縮到這裡
然後執行下面的指令行：
訓練資料成功建立在指定目錄：先切換到指定目錄，完整的指令行執行
-
D:\tensorflow\models\research>python objectdetection/datasettools/createpettfrecord.py --labelmappath=objectdetection/data/petlabelmap.pbtxt
-
--datadir=D:/petdata --output-dir=D:\tensorflow\mytrain\data
-
還不會看這裡：
-
https://github.com/tensorflow/models/blob/master/research/objectdetection/g3doc/preparing_inputs.md
遷移學習
這步成功以後，就可以開始執行真正的訓練啦，等等，别着急，我們是基于預訓練模型的遷移學習，是以還有幾件事情必須搞定，
下載下傳預訓練的tensorflow模型，我這裡下載下傳的是
http://download.tensorflow.org/models/objectdetection/ssdmobilenetv1coco201801_28.tar.gz
解壓縮到指定目錄，我的完整目錄結構如下：
其實有+加号的表示目錄檔案夾， - 表示檔案
labelmap file來自 D:\tensorflow\models\research\objectdetection\data\petlabelmap.pbtxt pipeline config file來自 D:\tensorflow\models\research\objectdetection\samples\configs\ssdmobilenetv1pets.config
直接copy過來，然後打開
開始修改，把所有【PATH_TO_BE_CONFIGURED】都改到正确路徑上來：
儲存好啦，然後直接執行訓練的指令行：
各個參數選項解釋如下：
--pipelineconfigpath
訓練時候配置目錄，所有關于訓練各種輸入路徑、參數模型、參數網絡配置，都在這個裡面。
--modeldir
訓練時候會寫檔案的目錄，訓練完成輸出的模型儲存目錄
--numtrainsteps
訓練多少個steps
--numeval_steps
多少個eval， 基本上兩者要相差10倍以上 steps : eval
--alsologtostderr
表示日志資訊
如果遇到這個錯誤
TypeError: can't pickle dictvalues objects
這樣修改,打開model_lib.py
D:\tensorflow\models\research\objectdetection
繼續訓練就會很OK
啟動tensorboard檢視訓練過程： CPU 太慢了，半天走一個step
原文釋出時間為：2018-08-27
本文作者：gloomyfish
本文來自雲栖社群合作夥伴“
OpenCV學堂”，了解相關資訊可以關注“
”。