Question

因此，我正在尝试在tensorflow上训练自定义对象检测模型，以识别raspberrypi2的图像。一切都已在我的硬件上设置并运行，但由于我的gpu的限制，我决定使用云。我上传了我的数据（火车和测试记录和csv文件）和我的检查点模型。这就是我从日志中得到的：

tensorflow:Restoring parameters from /mobilenet/model.ckpt

tensorflow:Starting Session.

tensorflow:Saving checkpoint to path training/model.ckpt

tensorflow:Starting Queues.

tensorflow:Error reported to Coordinator: <class tensorflow.python.framework.errors_impl.InvalidArgumentError'>, indices[0] = 0 is not in [0, 0)

我还有一个名为images的文件夹，其中包含实际的.jpg文件，它也在云端，但由于某种原因，我必须使用前面的正斜杠指定每个目录/这可能是一个问题，因为我目前正在做不知道是否有些文件试图导入这些图像，但由于缺少/而无法找到路径。如果你们中的任何一个碰巧分享了解决方案，我会非常感激。

编辑：我通过在tensorflow中下载旧版本的models文件夹来修复它，模型开始训练，所以请注意tf团队。

Answer 1

改变我创建TF记录的方式。看看下面的代码-

 example = tf.train.Example(
                            features= tf.train.Features(
                                feature={
                                    'image/height': dataset_util.int64_feature(height),
                                    'image/width': dataset_util.int64_feature(width),
                                    'image/filename': dataset_util.bytes_feature(filename_str.encode('utf-8')),
                                    'image/source_id': dataset_util.bytes_feature(filename_str.encode('utf-8')),
                                    'image/format': dataset_util.bytes_feature(image_format),
                                    'image/encoded': dataset_util.bytes_feature(image_data),
                                    'image/object/bbox/xmin': dataset_util.float_list_feature(xmin),
                                    'image/object/bbox/xmax': dataset_util.float_list_feature(xmax),
                                    'image/object/bbox/ymin': dataset_util.float_list_feature(ymin),
                                    'image/object/bbox/ymax': dataset_util.float_list_feature(ymax),
                                    'image/object/class/text': dataset_util.bytes_list_feature(labels_text),
                                    'image/object/class/label': dataset_util.int64_list_feature(labels),
                                }
                            )
                        )

确保TF记录具有与上述相同的键。这是由于您使用的模型期望使用与上述相似的密钥。我希望这会有所帮助。

之前，我利用了以下方法，但这些方法无法解决问题

example = tf.train.Example(
                            features= tf.train.Features(
                                feature={
                                    'image/height': dataset_util.int64_feature(shape[0]),
                                    'image/width': dataset_util.int64_feature(shape[1]),
                                    'image/channels': dataset_util.int64_feature(shape[2]),
                                    'image/shape': dataset_util.int64_list_feature(shape),
                                    'image/object/bbox/xmin': dataset_util.float_list_feature(xmin),
                                    'image/object/bbox/xmax': dataset_util.float_list_feature(xmax),
                                    'image/object/bbox/ymin': dataset_util.float_list_feature(ymin),
                                    'image/object/bbox/ymax': dataset_util.float_list_feature(ymax),
                                    'image/object/bbox/class/label': dataset_util.int64_list_feature(labels),
                                    'image/object/bbox/class/text': dataset_util.bytes_list_feature(labels_text),
                                    'image/object/bbox/difficult': dataset_util.int64_list_feature(difficult),
                                    'image/object/bbox/truncated': dataset_util.int64_list_feature(truncated),
                                    'image/format': dataset_util.bytes_feature(image_format),
                                    'image/encoded': dataset_util.bytes_feature(image_data),
                                    'image/filename': dataset_util.bytes_feature(filename_str.encode('utf-8')),
                                    'image/source_id': dataset_util.bytes_feature(filename_str.encode('utf-8'))
                                }
                            )
                        )

如您所见，我写的是image / object / bbox / class / label而不是image / object / class / label。我希望这会有所帮助。

以下链接-https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/using_your_own_dataset.md

在训练具有张量流的物体检测模型时，误差索引[0] = 0不在[0,0]中

1 个答案: