参考文献：1.https://blog.csdn.net/c2a2o2/article/details/78447784玩具检测器
2.https://blog.csdn.net/chenmaolin88/article/details/79357263用TensorFlow训练一个物体检测器（手把手教学版）
slim和proto搞定之后，进行主体工作。素材用的参考文献1的toy。新建toy_detector文件夹，把官网的object_detection和slim整体拷贝到此路径下。如图。
首先要下载基本模型（tensorflow官网提供的），我的好像是从别人的网盘上弄来的，github上又找了两遍没找到，所以这里没法给连接咯。如下图：
这里用了v1_coco模型，解压到D:\Tensorflow\toy_detector\model展开如下：
相应的配置文件在object_detection\samples\configs里，如下图：
拷贝ssd_mobilenet_v1_toy.config到D:\Tensorflow\toy_detector目录下，修改里面的num_classes设置为1，模型路径 以及训练集和检测集路径还有pbtxt的路径。“…”代表省略不变的部分
toy_label_map.pbtxt内容如下：
train.record和val.record是用他原来的，当然你也可以根据上篇博文 自己生成。接着把主程序train.py（也可用他自带的）从toy_detector\object_detection\legacy中拷贝到toy_detector根路径下。legacy内文件如下(这下面的特别是train.py和trainer.py原来是直接在object_detection下的，tensorflow可能是升级移到此文件夹下了，找不到trainer.py给我造成不小的麻烦，最好也考一份train.py和trainer.py直接放到object_detection文件夹下)：
新建一个train文件夹，放置训练中间和最终文件，cmd下进入toy_detector根路径，输入：
train.py --logtostderr --pipeline_config_path=D:/Tensorflow/toy_detector/ssd_mobilenet_v1_toy.config --train_dir=D:/Tensorflow/toy_detector/train
就开始跑了。没跑完，我训练到了精度1.2左右，不再下降了。就ctr+c终止训练，输出的ckpt模型如下：
上边的events是 给tensoboard实时查看用的，可能是电脑性能的关系，用tensorboard在网页上，我始终刷新不出图出来。不过已经大功告成，测试一下模型咋样。这里直接可以用了，可是我们一般习惯用.pb固化好的模型，所以下一步固化他，然后再测试。
若是GPU,则需要在train.py文件的第５５行，加入下面这句：
#GPU需要加上下面这句，０表示第１块GPU设备
os.environ[‘CUDA_VISIBLE_DEVICES’] = “0”
