一：数据
我们的数据都采用pascal格式，要求图像统一为JPG格式，边界框为XML格式保存，统一存放在images_data文件夹下

其中图像存放图像，箱存放标记框数据，标签存放类别文件，训练数据文件名，测试数据文件名。

处理以后的tfrecord文件，统一存放在object_detection \ ssd_mobile \ data，以后如果有必要，以文件创建时间和创建人结尾。

进入到models-master \ research文件夹下，修改第163行，该行作用是为了指定需要的数据

运行命令行，指定数据存放路径，标签存放路径，使用的数据集和训练还是验证，以后的数据也要按照Pascal的格式进行存放.python 
object_detection \ dataset_tools \ create_pascal_tf_record.py --label_map_path = object_detection \ data \ pascal_label_map.pbtxt --data_dir = F：\ Python \ TensorFlowfiles \ Multiple_networks \ Faster_R_CNN \ data --year = VOC2012 --set = train --output_path = object_detection \ ssd_mobile \ data \ pascal_train.record

python object_detection \ dataset_tools \ create_pascal_tf_record.py --label_map_path = object_detection \ data \ pascal_label_map.pbtxt --data_dir = F：\ Python \ TensorFlowfiles \ Multiple_networks \ Faster_R_CNN \ data --year = VOC2012 --set = val --output_path = object_detection \ ssd_mobile \数据\ pascal_val.record

二，训练
python object_detection \ train.py --logtostderr --train_dir = object_detection \ ssd_mobile \ models \ train --pipeline_config_path = object_detection \ ssd_mobile \ models \ ssd_mobilenet_v1_pascal.config

linux下训练命令，文件路径斜杠要变反斜杠

python object_detection / train.py --logtostderr --train_dir = object_detection / ssd_mobile / models / train --pipeline_config_path = object_detection / ssd_mobile / models / ssd_mobilenet_v1_pascal.config

指定模型保存的位置train_dir，配置训练的信息，文件路径在object_detection \ ssd_mobile \ models

根据数据集情况修改下面参数：

训练数据集的类别数：num_classes：20 
每批次使用的数据个数：batch_size：8 
使用预训练的模型进行微调：
fine_tune_checkpoint：“object_detection / ssd_mobile / ssd_mobilenet_v1_coco_2017_06_11 / model.ckpt” 

from_detection_checkpoint：true 

load_all_detection_checkpoint_vars：true

设置训练次数：num_steps：2000 
训练集，验证集，标签存放的路径：train_input_reader; eval_input_reader

验证集样本数据，必须要准确：eval_config

三，转换模型
将生产的模型，转成PB格式保存，

python object_detection / export_inference_graph.py --input_type = image_tensor --pipeline_config_path = object_detection / ssd_mobile / models / ssd_mobilenet_v1_pascal.config --trained_checkpoint_prefix = object_detection / ssd_mobile / models / train / model.ckpt-500000 --output_directory = object_detection / ssd_mobile / models /模型

指定训练时的配置文件：pipeline_config_path 
指定生产的模型：trained_checkpoint_prefix 
指定PB文件输出路径：OUTPUT_DIRECTORY