基于tensorflow的预训练模型用于物体识别（2）

1、概述

在上一期我们已经成功部署了tensorflow及其物体检测API。接下来我们将详细阐述使用自定义数据集训练对象检测模型的过程。以下将分步指导完成这一任务：

1. 安排工程架构
2. 整合训练数据集与标注文件
3. 将训练集转换为tf_record格式
4. 配置训练工作流程 pipeline
5. 监控模型训练进程
6. 保存训练参数

2、组织工程文件

2.1 新建workspace文件夹用于存储所有的工程文件

workplace 文件夹放置于object-detect文件夹内，并与部署tensorflow object detection API的目录处于同一层级

object-detect
├── models
│ ├── AUTHORS → 模型作者
│ ├── CODEOWNERS → 模型维护者
│ ├── community → 社区
│ ├── CONTRIBUTING.md → 贡献指南.md
│ ├── ISSUES.md → 问题记录.md
│ ├── LICENSE → 版权信息文件
│ └── official → 官方文档
└── orbit branch? → 工作区