四、模型測試
1）下載文件
在已經閱讀並且實踐過前3篇文章的情況下，讀者會有一些文件夾。因為每個讀者的實際操作不同，則文件夾中的內容不同。為了保持本篇文章的獨立性，制作了可以獨立運行的文件夾目標檢測。
鏈接：https://pan.baidu.com/s/1tHOfRJ6zV7lVEcRPJMiWaw 提取碼：mf9r，下載到桌面，並解壓，目標檢測目錄下存在：nets、object_detection、training三個文件夾，文件夾training中含有訓練了200000次的模型
要求：讀者需要用本文中的文件夾object_detection替換自己的文件夾object_detection
2）導出訓練好的模型
在目標檢測目錄下，打開dos窗口，cmd中運行命令：setx -m PYTHONPATH "C:\Users\Administrator\Desktop\目標檢測"
運行成功會有提示成功: 指定的值已得到保存
然后，在cmd中運行：
python object_detection/export_inference_graph.py --input_type=image_tensor --pipeline_config_path=training/ssdlite_mobilenet_v2_coco.config --trained_checkpoint_prefix=training/model.ckpt-200000 --output_directory=fish_inference_graph
在桌面的文件夾目標檢測中產生了文件夾fish_inference_graph
3）下載測試數據
下載地址：https://pan.baidu.com/s/1Ry0ywIXVInGxeHi3uu608g 提取碼: wib3
4）下載並運行測試代碼
鏈接: https://pan.baidu.com/s/1ipn9u-Gj4bVmXpIHlxMgCw 提取碼: dqd1
並將該文件：fish_detection.ipynb移動到目標檢測文件夾下，打開dos窗口后輸入jupyter notebook，然后運行
文件夾n01440764中共有1300張圖片，測試圖片是隨機選的10張圖片
五、感謝
該Tensorflow object detection API 搭建物體識別模型（一），（二），（三），（四）參考了簡書：https://www.jianshu.com/p/0e5f9df4686a，感謝作者的詳細步驟，其認真負責的態度值得學習。