tensorflow训练完成的模型怎么用,TensorFlow保存模型

　　一、## 软件##

　　Python Tensorflow OpenCV3

　　二、## 安装测试##

　　1、ssd_notebook.ipynb测试

　　(1)下载程序包并解压。源代码GitHub: balancap/SSD-Tensorflow

　　(2)打开终端，进入目录路径，运行：

　　jupyter笔记本笔记本/ssd_notebook.ipynb

　　2、py脚本测试

　　不使用笔记本方法，直接在大蟒中实现。

　　(1)在根目录下新建一个计算机编程语言脚本文件ssd_Python.py，将ssd_notebook.ipynb中的代码复制进去，其中将最后几行代码进行更改，将

　　img=mpimg.imread(路径图像名称[-5])

　　替换为：

　　对于图像名称中的it:img=mpimg。im read(path it)I=1 if i4:break r classes，rscores，Rb box=process _ image(img)可视化。PLT _ bbox es(img，r类，rscores，Rb box)(2)然后在终端直接运行：

　　Python ssd_Python.py三、## 训练自己的数据集##

　　1、数据转换

　　因为（同固态硬盘)固态（磁)盘不是直接使用的挥发性有机化合物数据集格式，所以要将其转换为特定格式，使用tf _转换_数据。巴拉圭进行数据转换。在终端输入转换命令：

　　DATASET_DIR=./VOC2007/test/OUTPUT_DIR=./tfrecordspython TF _ convert _ data。py -DATASET _ name=pascalvoc -DATASET _ DIR=$ { DATASET _ DIR } -OUTPUT _ name=VOC _ 2007 _ train -OUTPUT _ DIR=$ { OUTPUT _ DIR }由于比较懒，我是直接将这些变量代入到程序中，这样就可以直接运行：

　　python tf_convert_data.py最后将数据转换为类似这种形式：VOC2007_000.tfrecord的文件。

　　2、训练

　　下载网络基本框架：VGG_16

　　之后运行：

　　DATASET_DIR=./tfrecordsTRAIN_DIR=./log/CHECKPOINT_PATH=./检查点/vgg _ 16。ckpt python火车_ ssd _网络。py -TRAIN _ DIR=$ { TRAIN _ DIR } -DATASET _ DIR=$ { DATASET _ DIR } -DATASET _ name=pascalvoc _ 2007 -DATASET _ split _ name=TRAIN -model _ name=SSD _ 300 _ vgg -check point _ PATH=$ { check point _ PATH } -check point _ model _ scope=vgg _ 16 -check point _ exclude _ scopes=SSD _ 300 _ vgg/con V6、SSD我还是将其代入到程序中的变量里了，可以直接运行：

　　python train_ssd_network.py训练到后期，未得到更好的结果，还可以进行微调训练，参考这里balancap/SSD-Tensorflow的README.md最后部分。

　　这其中会遇到各种问题：

　　(1)在解压文件目录下找到datasets/pascalvoc_common.py，根据自己数据集的类别更改挥发性有机化合物_标签变量。

　　(2)同样在数据集文件夹下，仿照pascalvoc_2012.py文件，结合自己的数据集建立自己的类似文件。

　　(3)如果你的数据及不是使用联合图象专家组文件交换格式存储的编码图像文件扩展名格式的，根据出现的错误，将程序中对应位置改为你的图片格式。

　　最后，训练自己的数据集过程中还是会遇到一些问题，根据错误提示，看看访问的路径，数据格式是否存在问题，进一步解决。

　　参考：balancap/SSD-Tensorflow