（Tensorflow Object Detection Api）模型训练

数据标注及格式转换之后，就可以开始模型训练，不过要先对其他的一些必备文件进行说明。

1、label_map文件
此文件是记录数据集中物体类别及其编号的，用于后面的检测模型中的classification部分，可以参考raccoon检测模型的label_map文件,如果类别比较多，就继续往后面加 item 就好。

item {
  id: 1
  name: 'raccoon'
}

2、finetune checkpoint
Tensorflow提供了一些预训练的模型（Model Zoo），供大家下载下来，之后进行迁移学习，即训练自己的模型时使用预训练模型来进行参数初始化。比如下载 ssd_mobilenet_v1_coco，解压缩之后目录如下：

这里model.ckpt三个文件是之后要在config文件设置时调用的，提前说一下，在接下来要说的config文件设置部分，config文件可以是这里的pipeline.config文件，不一定要去官网提供的config文件集中下载。

3、模型训练的配置文件 —— Config文件

模型训练所需要调整的一些关键参数放在config文件中，代码运行时会自己从config文件中读取相关的参数，之后进行模型训练。Tensorflow github给出了很多的config文件。config文件的整体结构如下：

model { *** //网络结构及相关超参数的设置
}

train_config: {*** //反向传播的方法选择及相关参数设置
}

train_input_reader: {*** //训练集数据的地址设置
}

eval_config: {*** //模型测试时的参数设置
}

eval_input_reader: {*** //测试集数据的地址设置
}

如果你对你要使用的深度学习模型不熟悉，比如ssd的结构，fast rcnn的结构不熟悉，先不要对config文件进行大量调参。但是有几项是必须要更改的， 下面以