103人参与2020-07-07
本文章所需文件下载地址:
链接:https://pan.baidu.com/s/18UP1HfdgX27hmyFB25a5FQ
提取码:1eci
本文章基于:2、训练模型 https://blog.csdn.net/lemon4869/article/details/107050702,请先实现这个。
操作 将下载的 create_directories.py 复制到 tf_train\workspaces 目录下,然后打开处于 tf_gpu 环境的控制台,切换到该目录。
输入命令 python create_directories.py --name=my_training_demo
,就会创建相应的目录结构。
修改 train.py,在 main 函数最前面添加:
# GPU 按需分配
config = tf.compat.v1.ConfigProto(allow_soft_placement=True)
config.gpu_options.per_process_gpu_memory_fraction = 0.3
tf.compat.v1.keras.backend.set_session(tf.compat.v1.Session(config=config))
操作 进入 workspaces\my_training_demo\training 目录。
输入命令 python one_command_train.py --steps=100 --batch_size=12
整个文件的执行逻辑:
训练完成的截图:
导出模型、用模型做目标检测请看前一章:2、训练模型 https://blog.csdn.net/lemon4869/article/details/107050702
本文地址:https://blog.csdn.net/lemon4869/article/details/107145398
您对本文有任何疑问!!点此进行留言回复
热门评论