--tf_initial_checkpoint用于ADE20k数据集

Question

我正在使用DeepLab Tensforflow API进行一些语义分段训练。

github存储库： https://github.com/tensorflow/models/tree/master/research/deeplab

成功运行了Pascal数据集的训练后，我尝试测试ADE20k数据集。因此我下载了数据集，并使用此命令进行了训练。

python deeplab/train.py \
     --logtostderr \
    --training_number_of_steps=1000 \
    --train_split="train" \
    --model_variant="xception_65" \
    --atrous_rates=6 \
    --atrous_rates=12 \
    --atrous_rates=18 \
    --output_stride=16 \
    --decoder_output_stride=4 \
    --train_crop_size=513 \
    --train_crop_size=513 \
    --train_batch_size=4 \
    --dataset="ade20k" \
    --fine_tune_batch_norm=True \
    --tf_initial_checkpoint="{???????????}"
    --train_logdir="deeplab/datasets/ADE20K/exp/train_on_trainval_set/train"\
    --dataset_dir="deeplab/datasets/ADE20K/tfrecord"
    --min_resize_value=513 \
    --max_resize_value=513 \
    --resize_factor=16 \

请我如何指定检查点目录。

Answer 1

train_logdir代表检查点目录。 train_logdir是tf.train.MonitoredTrainingSession实用工具的checkpoint_dir参数的输入。检查点将保存到该目录/从该目录还原。