Tensorflow Object Detection Apl 和 OpenVINO工作套件部署学习笔记

将Anaconda默认地址下载成清华大学开源软件包

conda config --add channels https://mirrors.tuna.tsinghua.edu.cdu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cdu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
试过 但是好像没有什么用！
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple   （直接使用这个命令加上你要下载的库就好了）

任何的运行文件在我发的文件中，对应位置都能找的到

这里是从书本P95开始记录的！！！！！

训练步骤：
1.下载预训练的模型（利用迁移学习）这里我下载的是ssd_inception_v2_coco_2018_01_28
2.创建tf_train文件包含子文件models（official，research）scripts（preprocessing（generate_tfrecord.py，xml_to_csv.py）workpaces（create_directories.py））
文件讲解：models是网上下载的r1.13.0版本目标检测文件（tensorflow官网的开源文件）
scripts里面有2个py文件是将xml转换成csv格式在转换成record格式（这两个py文件在文件夹里面有）
workpaces存放所有训练的程序和图片，运行create_directories.py一键创建文件夹（一定要先放了models文件再运行create_directories.py！！！！！）
xml转换成csv格式
3.运行create_directories.py创建文件夹步骤：1.在E:\tf_train\workspaces（输入cmd）2.进行虚拟环境，3.运行create_directories.py并设置名称 下面是代码！

conda activate tf_gpu
python create_directories.py -n hear_tail   （后面的hear_tail 为你文件夹的名称）

4.将one_command_train.py放进training文件夹内
5.将下载的预训练模型放进pre_trained_model文件夹内（ssd_inception_v2_coco_2018_01_28）
6.准备数据集：train放入你所有的训练的数据集（jpg，xml）test放入你所要测试的照片格式是（命名如下：1.jpg。2.jpg…）eval是放入预测数据集（jpg，xml）
7.训练模型：E:\tf_train\workspaces\hear_tail（输出cmd）2.进行虚拟环境3.运行one_command_train.py并设置steps,batch_size（超参）
steps代表训练测试次数 batch_size代表一次带多少张照片训练。两个参数可以自行设计。batch_size太大容易报OOM错误，调低batch_size就好了

conda activate tf_gpu

python training\one_command_train.py --steps 10000 --batch_size 6

训练结束！
8.评估模型
更改E:\tf_train\workspaces\hear_tail\training\ssd_inception_v2_coco.config第176num_examples改成你eval照片的个数。（为啥我输入了20，但tfboard上只能看10张照片，不懂！）
在文件夹E:\tf_train\workspaces\hear_tail 打开cmd 并安下面代码操作。

conda activate tf_gpu  （进入虚拟环境）

python eval.py --logtostderr --checkpoint_dir=training --eval_dir=evaluation --pipeline_config_path=training\ssd_inception_v2_coco.config  （评估模型，并且）

tensorboard --logdir=evaluation\   #查看图片

9.导出训练好模型冻结图
将export_inference_graph.py文件移动至E:\tf_train\workspaces\hear_tail（打开cmd）

conda activate tf_gpu

python export_inference_graph