模型训练之.record文件生成.ckpt文件

2018年12月21日 2019年1月4日

qihong lu

此文基于：win10 Tensorflow Object Detection API配置

修改配置文件

下载预训练模型提取其中的相关文件稍加修改作为我们自己的文件

预训练模型可以从以下两个地方获取：

1. https://github.com/tensorflow/models/tree/master/research/slim

2. https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

我这里随便选一个下载ssd_mobilenet_v1_coco

注：型号名称末尾的星号（☆）表示此型号支持TPU训训练。

解压后得到的文件夹“ssd_mobilenet_v1_coco_2018_01_28”全部复制到“F:\labelImg”目录下

接下来需要设置配置文件，进入 Object Detection github 对应页面寻找配置文件的Sample

把下载下来的“ssd_mobilenet_v1_coco.config”文件复制到“F:\labelImg\tfrecords\hand”并对以下的地方做出修改：

第一处：

ssd {
    num_classes: 1      # 修改为自己检测的目标的类别数， 例如我的是一个

1 2	ssd { num_classes: 1 # 修改为自己检测的目标的类别数，例如我的是一个

第二处：

在原有的模型上加入自己的模型进行微调：设置fine_tune_checkpoint路径为已训练的模型model.ckpt。同时from_detection_checkpoint为true。

全新训练自己的模型：注释掉fine_tune_checkpoint且from_detection_checkpoint设置为false

#fine_tune_checkpoint: "F:\\labelImg\\ssd_mobilenet_v1_coco_2018_01_28\\model.ckpt"
#from_detection_checkpoint: true
from_detection_checkpoint: false

#fine_tune_checkpoint: "F:\\labelImg\\ssd_mobilenet_v1_coco_2018_01_28\\model.ckpt"

#from_detection_checkpoint: true

from_detection_checkpoint: false

第三处：

训练集及pbtxt路径

train_input_reader: {
  tf_record_input_reader {
    input_path: "F:\\labelImg\\tfrecords\\hand\\train.record"
  }
  label_map_path: "F:\\labelImg\\tfrecords\\hand\\label_map.pbtxt"
}

train_input_reader: {

tf_record_input_reader {

input_path: "F:\\labelImg\\tfrecords\\hand\\train.record"

}

label_map_path: "F:\\labelImg\\tfrecords\\hand\\label_map.pbtxt"

}

第4处：

测试集及pbtxt路径

eval_input_reader: {
  tf_record_input_reader {
    input_path: "F:\\labelImg\\tfrecords\\hand\\eval.record"
  }
  label_map_path: "F:\\labelImg\\tfrecords\\hand\\label_map.pbtxt"

eval_input_reader: {

tf_record_input_reader {

input_path: "F:\\labelImg\\tfrecords\\hand\\eval.record"

}

label_map_path: "F:\\labelImg\\tfrecords\\hand\\label_map.pbtxt"

开始训练：方法有二

方法一：

利用“models-master\research\object_detection”目录下的model_main.py文件进行训练，

运行：

python object_detection/model_main.py --pipeline_config_path=F:\\labelImg\\tfrecords\\hand\\ssd_mobilenet_v1_coco.config --model_dir=F:\\labelImg\\tfrecords\\hand\\pb --num_train_steps=50000 --num_eval_steps=2000 --alsologtostderr

1	python object_detection/model_main.py --pipeline_config_path=F:\\labelImg\\tfrecords\\hand\\ssd_mobilenet_v1_coco.config --model_dir=F:\\labelImg\\tfrecords\\hand\\pb --num_train_steps=50000 --num_eval_steps=2000 --alsologtostderr

报错：ModuleNotFoundError: No module named ‘pycocotools’

解决：Windows安装pycocotools

报错：TypeError: can’t pickle dict_values objects

解决：

打开“models-master\research\object_detection\metrics\coco_tools.py”文件

#找到此行代码
results.dataset['categories'] = copy.deepcopy(self.dataset['categories'])
#修改为
results.dataset['categories'] = copy.deepcopy(list(self.dataset['categories']))

#找到此行代码

results.dataset['categories'] = copy.deepcopy(self.dataset['categories'])

#修改为

results.dataset['categories'] = copy.deepcopy(list(self.dataset['categories']))

成功后在“pb”目录下生成以下文件：

方法二：

利用“models-master\research\object_detection\legacy”目录下的train.py文件进行训练，

运行：

python legacy/train.py --logtostderr --train_dir=F:\labelImg\tfrecords\hand\ckpt --pipeline_config_path=F:\labelImg\tfrecords\hand\ssd_mobilenet_v1_coco.config

1	python legacy/train.py --logtostderr --train_dir=F:\labelImg\tfrecords\hand\ckpt --pipeline_config_path=F:\labelImg\tfrecords\hand\ssd_mobilenet_v1_coco.config