TensorFlow目标检测速度更快CS：Go Aim机器人

欢迎阅读TensorFlow对象检测API系列教程的第8部分。首先，您可以在我的GitHub页面上下载代码。然后，在本教程中，我将向您展示如何导出新培训的模型，我们将对其进行测试。GitHub

因此，在上一个教程中，我们制作了一个最终的工作模型，它可以射击敌人。尽管如此，我们的FPS非常慢，所以我决定尝试培训另一个模型在本教程中讲述它。

如果您还没有™的话，我几乎使用了第5部分教程中的所有相同文件来克隆我的gihub存储库。在这一部分，我不会介绍如何标记图片、生成tford或配置我们的培训文件。我已经在我的第五个教程中这样做了。在本教程中，我将只介绍以前没有介绍的内容。GitHub

首先，我在第5个教程中对模型进行了训练。在那之后，我使用了FASTER_rcnn_inestation_v2_coco模型，现在我决定训练ssdlite_mobilenet_v2_coco。这个模型检测对象的速度差21%，但速度快53%，所以我决定试一试。这里是所有模型的链接，如果您决定自己培训模型，请下载一个。

这一次，当我尝试使用Train.py文件时，它告诉我使用了错误的培训方法，并提出使用model_main.py文件。所以如果有人找不到的话我就上传了。我试着开始训练模型的时候遇到了一些问题，有一些错误，但是我没有做笔记，所以我不能准确地说出来，所以如果你遇到错误，把它写在YouTube评论上，我们会试着解决它。

在训练新模型时，我使用了相同的文件结构，因此您只需更新ssdlite_mobilenet_v2_coco.config文件并下载预先训练好的模型。在TensorFlow/Research/Object_Detect文件夹中，继续cmd中的以下行：

python model_main.py --alsologtostderr --model_dir=CSGO_training_dir/ --pipeline_config_path=CSGO_training/ssdlite_mobilenet_v2_coco.config

模型培训过程不会像在第5个教程中那样显示步骤。尽管如此，培训例程大约每隔十分钟定期将模型检查点保存到csgo_Training_dir目录。所以你应该在TensorFlow TensorBoard上检查你的培训进行得如何。您可以使用以下命令执行此操作：

C:\TensorFlow\research\object_detection>tensorboard --logdir=CSGO_training_dir

这几行代码只适用于一个对象，我们对所有四个对象都这样做：

自从我看到我的损失曲线停止下降后，我就在训练我的模特。我花了将近24小时，我做了大约21k的训练步骤：

然后，我使用了与我们在第6教程中使用的相同的export_inference_raph.py脚本。从命令提示符发出以下命令，其中应用Training文件夹中编号最高的.ckpt文件替换？EUROœXXXXâEURO�in？EUROœ�.ckpt-xxxxxxx？eURO Model.ckpt：

python export_inference_graph.py --input_type image_tensor --pipeline_config_path CSGO_training/ssdlite_mobilenet_v2_coco.config --trained_checkpoint_prefix CSGO_training_dir/model.ckpt-XXXX --output_directory CSGO_inference_graph

在最后一步中，我们获取了我的第7个教程中的所有文件，并用新训练的INFERENCE_GRAPH替换了CSGO_FRESTED_INFORMATION_Graph.pb文件。

接下来，我们试着玩CS：Go，我让我的机器人射杀敌人。你可以在我的YouTube视频上看看这个。

用新的模型，我没有解决™的问题。它稍微提高了我们的表现，但并不是说我们可以玩我们的比赛。因此，为了将来的工作，我决定学习多处理，并并行运行我们的代码进程。在下一个教程中，我将介绍多处理。这就是本教程的全部内容–™。

最初发表于https://pylessons.com/Tensorflow-object-detection-faster-csgo-aim-bothttps://pylessons.com/Tensorflow-object-detection-faster-csgo-aim-bot