Tensorflow Object Detection API 实例运行（本地训练测试宠物识别模型）

本章继续结合上一节内容，教大家如何在本地基于安装好的Tensorflow Object Detection API 训练，测试一个宠物识别模型实例．

以下内容均参照官网代码（官网宠物模型训练是在google could上训练的，为了节省实际，我们直接在本地训练，本次所有操作依然在linux下, 使用基于gpu的tensorflow）

１，进入安装好的tensorflow object detect api的~/models/research/目录，新建一个data目录，在data目录下载需要的训练和测试数据：（记得在新建好的data目录执行哈，我们把下载的数据放在data目录就行，后续所有东西都在这个目录）

wget http://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar.gz
wget http://www.robots.ox.ac.uk/~vgg/data/pets/data/annotations.tar.gz
tar -xvf images.tar.gz
tar -xvf annotations.tar.gz

２，将数据转成api需要的tfrecord格式．在~/models/research/目录下执行

python3 object_detection/dataset_tools/create_pet_tf_record.py \
    --label_map_path=object_detection/data/pet_label_map.pbtxt \
    --data_dir=~/models/research/data/ \