tensorflow-gpu安装及训练自己的模型用于object-detection-API之路（2）--出结果

清早起来神清气爽，想着今天要解决昨天那个不知道如何解决的问题就很惆怅，明明学习率也调小了，batch-size也调小了，为何一直报错了，打开电脑，再一次输入指令，想着记录一下错误类型：

python train.py --logtostderr --train_dir=training/ --pipeline_config_path=training/ssd_mobilenet_v1_coco.config

没想到，这么触不及防的就跑起来了 。。。

查看gpu，发现果然这次现存没炸，难道是之前因为训练之前就耗用了太多gpu显存没有释放吗？ 总之先跑着，看看会不会收敛先。

MX150，现存为2g，速度较之cpu快乐将近十几倍，不过在跑了3000步后却一直在14-10之间波动，不能收敛，目前总结最大的原因是标签样本太少（我只做了一百多的train样本，且标签做的不认真），后续试试这个显卡能承受的batch-size和lr，然后忍着改好样本标签，进行正式的训练。

调参及神经网络学习参考：https://blog.youkuaiyun.com/mzpmzk/article/details/80136958

https://www.jianshu.com/p/0b116c43eb16

https://www.jianshu.com/p/a0009ec5225e

https://www.cnblogs.com/ya-cpp/p/9205552.html

 

最后结果由于样本太少，标签做的太烂：

只能收敛到这个程度了，看看效果

cmd路径到object_detection输入：

python export_inference_graph.py --input_type image_tensor --pipeline_config_path training/ssd_mobilenet_v1_coco.config --trained_checkpoint_prefix training/model.ckpt-37476 --output_directory inference_graph

 37476为自己训练的次数，需修改。此步将训练的文件转化为pb文件，

--trained_checkpoint_prefix training/model.ckpt-37476   这个checkpoint（.ckpt-后面的数字）可以在training文件夹下找到你自己训练的模型的情况，填上对应的数字（如果有多个，选最大的）。

--output_inference_graph  改成自己的名字,会生成一个文件夹。

运行完后，可以在该文件夹下发现若干文件，有saved_model、checkpoint、frozen_inference_graph.pb等。 .pb结尾的就是最重要的frozen model了。

然后报错：

TypeError: non_max_suppression() got an unexpected keyword argument 'score_threshold'

参考：https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10/issues/133可能是tensorflow版本的原因，更新为1.9：pip install --upgrade tensorflow-gpu==1.9

更新后，转化为pb文件成功，试试效果：

              

效果很差，汗~后续好好做标签，扩展样本吧，可以试试数据增强或者迁移学习~