# Faster RCNN模型 本文需要[Paddle Detection](https://github.com/PaddlePaddle/PaddleDetection)训练的模型和配置文件。如果用户想要快速部署在Paddle Serving上，请直接阅读第二章节。 ## 1. 训练物体检测模型 用户可以阅读 [Paddle Detection入门使用](https://github.com/PaddlePaddle/PaddleDetection/blob/release/0.2/docs/tutorials/GETTING_STARTED_cn.md)来了解Paddle Detection的背景。PaddleDetection的目的是为工业界和学术界提供丰富、易用的目标检测模型。不仅性能优越、易于部署，而且能够灵活的满足算法研究的需求。 ### 环境要求 CPU版： 没有特别要求 GPU版： CUDA 9.0及以上 ``` git clone https://github.com/PaddlePaddle/PaddleDetection cd PaddleDetection ``` 接下来可以训练faster rcnn模型 ``` python tools/train.py -c configs/faster_rcnn_r50_1x.yml ``` 训练模型的时间视情况而定，与训练的设备算力和迭代轮数相关。 在训练的过程中，`faster_rcnn_r50_1x.yml`当中定义了保存模型的`snapshot`，在最终训练完成后，效果最好的模型，会被保存为`best_model.pdmodel`，这是一个经过压缩的PaddleDetection的专属模型文件。 **如果我们要让模型可被Paddle Serving所使用，必须做export_model。** 输出模型 ``` python export_model.py ```
