1、生成训练集和测试集的csv文件

2、根据csv文件分别生成训练集和测试集的tfrecord文件

3、在label_map.pbtxt中配置label标签类别

4、在training文件夹下准备预训练模型文件,可在导出的训练模型models下找到自己的模型。

5、在object_detection》samples>configs>找到coco数据集的配置文件ssd_mobilenet_v1_coco.config,复制到根目录下,修改属性配置:num_classes\batch_size\num_steps\等

6、文件夹下双击train.bat训练模型,模型训练过程文件生成在train_dir中

7、导出模型,最终训练模型会导出在models下,即.ckpt文件

8、模型预测.py

9、训练模型时会在,train_dir中生成events.out.tfevents.1548166548.DESKTOP-8771LLG文件和pipeline.config文件;

将两个文件复制到eval_dir中;进入命令行,cd到根目录,运行指令 tensorboard --logdir=eval_dir 可以查看模型预测评估。

 

 

 

 

分类:

技术点:

相关文章: