3、一键训练模型

1、前言

在上一篇文章中（2、下载预训练模型并进行迁移学习 https://blog.csdn.net/lemon4869/article/details/107050702），我们发现整个训练过程十分繁琐，包含很多耗时又很简单、机械的操作，所以，可否把这些机械化的操作交给程序呢？当然是可以的。我们用两个脚本文件 create_directories.py 和 one_command_train.py 来实现前面一节的内容。其中：

• create_directories.py：用来创建项目文件夹
• one_command_train.py：转换标记文件，训练模型 ssd_inception_v2_coco

1.1 本文章约定

• 操作 ：表示你需要跟着说明进行相应的操作。
• 输入命令 xxxxxx：表示你需要在控制台键入命令。

1.2 开始条件

本文章所需文件下载地址：
链接：https://pan.baidu.com/s/18UP1HfdgX27hmyFB25a5FQ
提取码：1eci

1.3 视频教程

https://www.bilibili.com/video/BV13T4y1E7Tk/

1.4 整个流程概览

1、create_directories.py 一键创建项目目录结构

操作 将下载的 create_directories.py 复制到 tf_train\workspaces 目录下，然后打开处于 tf_gpu 环境的控制台，切换到该目录。
输入命令 python create_directories.py --name=my_training_demo，就会创建相应的目录结构。

修改 train.py，在 main 函数最前面添加：

# GPU 按需分配
config = tf.compat.v1.ConfigProto(allow_soft_placement=True)
config.gpu_options.per_process_gpu_memory_fraction = 0.3
tf.compat.v1.keras.backend.set_session(tf.compat.v1.Session(config=config))

2、准备好相应的数据及与训练模型

使用我们前一章准备的数据和下载的模型。

3、one_command_train.py 一键训练模型

该 one_command_train.py 脚本文件是对 ssd_inception_v2_coco 模型进行训练。

操作 进入 workspaces\my_training_demo\training 目录。
输入命令 python one_command_train.py --steps=100 --batch_size=12

整个文件的执行逻辑：

1. 检查文件夹是否存在
2. 检查 train 目录、eval 目录里是否有图片及标注文件
3. 检查预训练模型 ssd_inception_v2_coco 是否存在，若不存在则下载模型
4. 提取标签映射文件 label_map.pbtxt 里的信息
5. 创建 tfrecord 文件
6. 从命令行读取训练步数（steps）和批样本个数（batch_size）
7. 修改 ssd_inception_v2_coco.config 文件
8. 启动训练

训练完成的截图：
导出模型、用模型做目标检测请看前一章：2、训练模型 https://blog.csdn.net/lemon4869/article/details/107050702