人工智能开发真的很难，虽然网上有相应的教程，但在关键的环节还是要自己摸索，否则搞的一头雾水。昨天开始研究SSD_Tensorflow的训练，想实现训练自己的模型。但万事开头难啊，网上找资料照着做，然而可能机器配制环境什么不一样，总是会出问题。有的是linux平台下的实现方面，在windows平台下行不通。通过查阅资料，参数调试，总算可以训练起来了，但又不知道如何保存训练的结果，而且遇到各种大坑。
第一个坑就是参数配制了，网上找了很多参数配制，有的直接用终端terminam来输入参数的，但不知道如何打开终端，然后折腾了很久，才在搜索引擎中找到方法。所以说搜索引擎帮了大忙，要自己完全独立的探索，估计就搞不了了。打开终端很空间，就是在pycharm的左下角点下，然后打开。但打开终端后，输入参数又出现问题，
又折腾了半天，最后直接在代码里改参数好了。参数改了半天，才得以相对正确的参数配制。
tf.app.flags.DEFINE_string(
‘dataset_name’, ‘pascalvoc_2007’, ‘The name of the dataset to load.’)
tf.app.flags.DEFINE_integer(
‘num_classes’, 21, ‘Number of classes to use in the dataset.’)
tf.app.flags.DEFINE_string(
‘dataset_split_name’, ‘train’, ‘The name of the train/test split.’)
tf.app.flags.DEFINE_string(
‘dataset_dir’, ‘imagedata/tfrecords’, ‘The directory where the dataset files are stored.’)
tf.app.flags.DEFINE_integer(
‘labels_offset’, 0,
‘An offset for the labels in the dataset. This flag is primarily used to ’
‘evaluate the VGG and ResNet architectures which do not use a background ’
‘class for the ImageNet dataset.’)
tf.app.flags.DEFINE_string(
‘model_name’, ‘ssd_300_vgg’, ‘The name of the architecture to train.’)
tf.app.flags.DEFINE_string(
‘preprocessing_name’, None, ‘The name of the preprocessing to use. If left ’
‘as None, then the model_name flag is used.’)
然而又出现：
还有pycharm内存不足的问题。
查找了半天资料，网上的几种方法试过了都没有用。最后把batch_size设置成16，然后
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.6)
config = tf.ConfigProto(gpu_options=gpu_options)
这样终于可以运行起来了。但出现一个问题，我让电脑开着跑了一晚止，结果早上起来发现笔记本电脑的电源插头松了，然后电脑待机没电了。然后重新开始，好像从step9000多开始跑，似乎一直都停不下来，速度也比较慢。后来才看到一个参数设置成50000了，tf.app.flags.DEFINE_integer(‘max_number_of_steps’, 10000,
‘The maximum number of training steps.’)
我把它改成10000，但跑完后没有ckpt这样的文件保存，也就是说我没办法保存训练后的数据。然后每次都会从上次的step来跑，似乎是保存了某个配制文件，但又找到到配制文本所在的地方。感觉每步都是坑啊。如果顺利实现这一步，下一步尝试制作自己的VOC数据集，然后来训练自己的数据。INFO:tensorflow:Stopping Training.
INFO:tensorflow:Finished training! Saving model to disk.
INFO:tensorflow:Recording summary at step 10005.
就是不知道模型保存到什么地方去了。
后来发现，原来跑C盘去了。但其它同样的路径确不是在C盘，看来这是底层代码的问题。 话说昨天晚上训练了一晚上，结果因为电脑待机了，电源插头松了，所以没有训练完毕。但今天上午还可以继续训练，并且训练的step每次都是从之前中断的数字开始，我重启pycharm也是这样，重启电脑还是这样。这样我就判断肯定是从文件中读取了这个训练的起点次数的，但奇怪的是我设置的保存模型的路径中找不到这个文件，我还以为是训练失败，但调试输出每次都显示保存到磁盘了。然后今天上午又折腾了一上午，又遇到了几个坑，说save_path为None,我突然看到C盘下面有个tmp和log文件夹，打开一看，里面果然有很多ckpt文件，然后我删除后就出现save_path为None的错误。原来要新建一个空的tmp文件，然后训练就可以了。这样我已经可以实现训练数据这一步了，并且知道如何配制训练参数，不过很多变量和代码还是不太理解，但相比之前进步多了。接下来我可以测试下生成的ckpt模型，看看这个识别效率怎么样，不管识别效率好还是坏，如果可以识别出效果，那就说明训练的数据是有效果的。下一步则可以尝试制作自己的数据集，用VOC标签工具制作一些数据集来尝试训练。数据集的下载和收集是一件很困难的事情，大部分是英文网站，所以英语也要深入学习。另外还要研究各种数据集之间的转换，如VOC转tf的数据集，或者caffe的数据集或者 imgnet的数据集转换等。一步一步来，慢慢的就可以掌握更多的理论，然后想办法把它布局到手机移动平台中，或者应用到有用的场景中。另外还要加强理论上的学习，只有理论达到一定的高度才能在实践中走的更远，实践的话就是要探索市场化产品，当然这个难度比较大，尤其是一个人单干的情况下。说实话这种研发即是脑力活又是体力活，真的很不简单。