Tensorflow object detection API 搭建物体识别模型（三）

三、模型训练

　1）错误一：

　　在桌面的目标检测文件夹中打开cmd，即在路径中输入cmd后按Enter键运行。在cmd中运行命令：

python /your_path/models-master/research/object_detection/model_main.py --pipeline_config_path=training/ssdlite_mobilenet_v2_coco.config --model_dir=training --alsologtostderr

　　运行结果如下图所示：

　　可以看出缺少pycocotools库，在linux系统中安装pycocotools库只需要运行命令：pip install pycocotools，但是在Windows上安装则复杂得多：

　　首先下载Microsoft C++ build 14.0，链接：https://go.microsoft.com/fwlink/?LinkId=691126，初始化安装程序->自定义->选择功能只勾选Windows 10 SDK 10.0.10240->安装，过程比较漫长

　　然后下载安装pycocotools，链接：https://github.com/philferriere/cocoapi，解压到当前文件夹，进入文件夹cocoapi-master中的文件夹PythonAPI，在此文件夹下打开cmd，输入：python setup.py build_ext install

 

　2）错误二

　　修改models-master\research\object_detection\metrics下的coco_tools.py文件，118行增加list()方法：

　　然后重新训练，模型训练稳定地进行一段时间后，会做一次模型评估，如下图所示。所以如果读者看到下图中的情况，则说明模型训练很顺利：

 　3）查看模型训练状况

　　模型训练稳定地进行后，在桌面的目标检测文件夹中重新打开cmd。在cmd中运行命令：tensorboard --logdir=training，如下图所示：

　　复制上图中红色箭头标记处的链接，粘贴到浏览器中即可访问。注意：每台电脑的链接都不同，读者复制自己电脑cmd中显示的链接即可

　　如果使用360浏览器，必须使用极速模式，不能使用兼容模式。如果出现反馈的网站打不开时，使用如下的命令：tensorboard --logdir=training --host=127.0.0.1

　　在SCALARS标签界面中可以查看准确率Precison、召回率Recall、损失值Loss等模型评估指标

　　在IMAGES标签界面中可以查看实时的测试集效果

　　在GRAPHS标签界面中可以查看模型的整体架构

 

　4）测试

　　接着请读者参考：Tensorflow object detection API 搭建物体识别模型（四）