三、模型訓練
1）錯誤一：
在桌面的目標檢測文件夾中打開cmd，即在路徑中輸入cmd后按Enter鍵運行。在cmd中運行命令：
python /your_path/models-master/research/object_detection/model_main.py --pipeline_config_path=training/ssdlite_mobilenet_v2_coco.config --model_dir=training --alsologtostderr
運行結果如下圖所示：
可以看出缺少pycocotools庫，在linux系統中安裝pycocotools庫只需要運行命令：pip install pycocotools，但是在Windows上安裝則復雜得多：
首先下載Microsoft C++ build 14.0，鏈接：https://go.microsoft.com/fwlink/?LinkId=691126，初始化安裝程序->自定義->選擇功能只勾選Windows 10 SDK 10.0.10240->安裝，過程比較漫長
然后下載安裝pycocotools，鏈接：https://github.com/philferriere/cocoapi，解壓到當前文件夾，進入文件夾cocoapi-master中的文件夾PythonAPI，在此文件夾下打開cmd，輸入：python setup.py build_ext install
2）錯誤二
修改models-master\research\object_detection\metrics下的coco_tools.py文件，118行增加list()方法：
然后重新訓練，模型訓練穩定地進行一段時間后，會做一次模型評估，如下圖所示。所以如果讀者看到下圖中的情況，則說明模型訓練很順利：
3）查看模型訓練狀況
模型訓練穩定地進行后，在桌面的目標檢測文件夾中重新打開cmd。在cmd中運行命令：tensorboard --logdir=training，如下圖所示：
復制上圖中紅色箭頭標記處的鏈接，粘貼到瀏覽器中即可訪問。注意：每台電腦的鏈接都不同，讀者復制自己電腦cmd中顯示的鏈接即可
如果使用360瀏覽器，必須使用極速模式，不能使用兼容模式。如果出現反饋的網站打不開時，使用如下的命令：tensorboard --logdir=training --host=127.0.0.1
在SCALARS標簽界面中可以查看准確率Precison、召回率Recall、損失值Loss等模型評估指標
在IMAGES標簽界面中可以查看實時的測試集效果
在GRAPHS標簽界面中可以查看模型的整體架構
4）測試