tensorflow object detection API训练自己数据集中遇到的坑

前段时间一直使用pytorch，没怎么关注tensorflow，最近突然想试一下tensorflow的object detection API。

首先非常感谢https://blog.csdn.net/zj1131190425/article/details/80711857博主的分享，写得非常详细。

首先根据博主的第一篇博文下载了models的全部代码，这边可以完全参考博主。但其中有个坑：

》》到目前为止，最新版的是models是1.13.0版本需要tensorflow 1.12.0以上版本，而gpu版本的tensorflow需要cuda10，但我的电脑安装的是cuda9.0，为了不重装cuda，我下载了1.12.0的models，需要1.9.0以上版本，所以重新安装了tensorflow-gpu1.9.0版本的。

环境匹配好后，便可以进行调试。

这里用到的是object_detection_tutorial.ipynb文件作为demo，该文件在jupyter notebook中运行，并得到最终的demo检测图，如博主所得。

然后开始训练自己的数据，这里参考博主https://blog.csdn.net/zj1131190425/article/details/80778888，首先制作自己的数据集，将xml转为csv，然后转为tfrecord文件。然后修改config文件，下载模型。然后遇到了两个问题：

》》1. 我在pycharm中无法import出来object detection 包，添加环境变量也不行，后来在pycharm中新建了一个虚拟环境，并将object detection的路径添加进去，重启后可以正常运行。（这里似乎打开了用pycharm来管理环境的新世界，回头有时间研究一下）

》》2. 由于我使用的版本与博主使用的models版本不同，在我的版本下object detection中没有train文件，但在legacy中找到了train 和trainer。不过在object detection下有model_main.py文件，目测应该是进化版的train，但是里面有一个超参数hparams_overrides一直没搞明白什么意思，所以没用该文件，而是用train 训练的。

至此，成功实现用该API训练自己的数据集。这是用我的数据训练2000step的结果：大概跑了一个多小时（1066显卡）