本次实验结果：数据量少，迭代次数少，最后训练后的准确率低，还在继续学习，看如何让修改。

重要博客：https://blog.csdn.net/u012746060/article/details/81183006?depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1&utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1

搭配这个博客：https://blog.csdn.net/Snow_Jie/article/details/81458811?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-23&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-23

按照第一个博客步骤进行，能够训练完成，我仅进迭代50次，生成训练模型放在文件中，以边测试使用。在运行yolo.py遇到问题：The Session graph is empty. Add operations to the graph before calling run().  参考博客：https://blog.csdn.net/weixin_41041772/article/details/100085170    可以解决这个问题。再者就是原版的yolo.py文件没有写完。这个在看评论时，在py文件中加入：

def detect_img(yolo):
    while True:
        img = input('Input image filename:')
        try:
            image = Image.open(img)
        except:
            print('Open Error! Try again!')
            continue
        else:
            r_image = yolo.detect_image(image)
            r_image.show()
    yolo.close_session()



if __name__ == '__main__':
    detect_img(YOLO())

或者加入：

__name__ == '__main__':
image_path = "./VOCdevkit/VOC2007/JPEGImages/000004.jpg"
image = Image.open(image_path)
yolo = YOLO()
r_image = yolo.detect_image(image=image)
r_image.show()

即可。

在测试时，无法进行进行标框。可将yolo.py中的score和iou的参数改成0.00几。这主要是因为训练数据少和次数少导致的。

下面，我打算将这几个文件学明白，到时候遇到什么我问题，再过来增加新内容。