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

image

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。

image

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

image

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。

image

image

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

1. 準備數據集
2. 訓練模型
3. 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。

本文首發于個人網頁 Yao Blog，知乎專欄 談技術 不能潦草，CSDN博客：手握靈珠常奮筆。