使用tensorflow版本的Faster r cnn训练自己的数据集完整版

• 可能有些小伙伴在刚学习的时候不太适应Linux系统，我在Windows系统下也跑通了这个框架，但是在保存训练模型的时候，出现了内存溢出，导致无法保存模型。
• 我使用的自用笔记本的GPU是1060 6G的，算力在庞大的faster r cnn 面前还是略输一筹。
• 所以一下内容是借助了拥有4块2080Ti的GPU服务器实现的
• 我们要训练一个好的模型，并进行应用，目前来说是离不开Linux系统的，索性直接在该系统下操作吧。
• 主要步骤分：
  Python环境配置
  faster r cnn 组件下载并微调
  数据集制作
  训练
  测试

Python环境配置

• 这里使用的是Python3.6的版本，链接原作者说明，3.5,3.6,3.7都可以用。

• 安装tensorflow gpu版本

  pip install tensorflow -gpu
  

• 安装一下Python包：

  pip install matplotlib
  pip install cython
  pip install pillow
  pip install opencv-python
  pip install easydict
  

在github上下载tensorflow框架下的faster_r_cnn：

git clone --recursive https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.git

编译

• 进入： ./data/coco/PythonAPI编译：
  python setup.py build_ext --inplace
  python setup.py build_ext install
• 进入./lib/utils 继续编译
  python setup.py build_ext --inplace

检测data/cache下是否有文件，这个文件是第一次加载数据以后所保存的文件，方便以后快捷提取数据进行训练，但是如果要使用新数据集，需要删除掉之前缓存的这个文件，不然会报错。

制作数据集：（要制作为这个样子）

data\VOCdevkit2007\VOC2007