物體檢測TensorFlow Object Detection API (二)使用 Jupyter Notebooks 學習官方 demo
jupyter notebooks 之前也被稱為 iPython 筆記本,提供了在同一環境中執行數據可視化的功能,是數據科學家最常用的工具之一。
關于 Jupyter Notebooks 的使用可以看公眾號機器之心的一篇科普文章 入門|始于Jupyter Notebooks:一份全面的初學者實用指南
綜合來看,Jupyter Notebooks 非常適合教學和演示。所以 Google 開發人員也寫了一個教學的 Jupyter 腳本,來幫我們演示。
Jupyter Notebooks 筆記文件的后綴名都是 .ipynb
終端輸入:
jupyter notebook
即可啟動 jupyter notebook
在系統8888端口,jupyter notebooks 已經跑起來了。
一般來說會自動打開瀏覽器,如果沒有,自己打開瀏覽器 輸入 localhost: 8888 即可。
啟動界面顯示的是當前所在目錄,找到位于 /models/research/object_detection/object_detection_tutorial.ipynb
點擊 run all 整個代碼就跑起來了。
如果前一篇文章最后的測試代碼,能夠輸出 OK 的話,證明安裝無誤,這個文檔跑起來應該是沒問題的,如果有問題自行解決。
大概運行3-5分鐘,即可看到結果了。
> 運行時間引人而異,在 目標檢測Tensorflow object detection API 這篇文章中,這個同學講他用了30-40分鐘。因為中間有幾行代碼是下載訓練好的模型,所以和網速也會有關系。
關于這個官方 demo,不在具體解釋。如果我們把整個任務分成下面部分
- 準備數據集
- 訓練模型
- 測試模型
3個大部分的話,這個 demo 應該算第三部分,用訓練好的模型在其他圖片是進行 object_detection.
在具體工作中,大部分工作量其實是集中在前兩個步驟。