Question

我正在使用带有Tensorflow对象检测API的Faster-RCNN模型进行徽标检测算法。我的数据集按字母顺序排列（因此有一百个adidas徽标，然后是一百个苹果徽标等）。而且我希望在训练时进行洗牌。

我在配置文件中添加了一些值：

train_input_reader:{
          shuffle: true
          queue_capacity: some value
          min_after_dequeue : some other value}

然而无论价值是什么，我都会投入，算法首先要对所有的标识（adidas，苹果等）进行培训，并且在开始看之后只有一段时间b的徽标（bmw等）和c的徽标等。

当然我可以直接调整我的输入数据集，但我想了解它背后的逻辑。

PS：我已经看过关于洗牌和min_after_dequeue的这个post，但我还是不太明白。我的批量大小为1，因此它不应该使用tf.train.shuffle_batch()，而只能使用tf.RandomShuffleQueue

我的训练数据集大小为5000，如果我写min_after_dequeue: 4000 or 5000，它仍然没有改组。为什么呢？

更新： @AllenLavoie这对我来说有点难过;因为存在很多依赖关系，而且我是Tensorflow的新手。但最后队列是由

构建的

tf.contrib.slim.parallel_reader.parallel_read(    _, string_tensor = parallel_reader.parallel_read(
        config.input_path,
        reader_class=tf.TFRecordReader,
        num_epochs=(input_reader_config.num_epochs
                    if input_reader_config.num_epochs else None),
        num_readers=input_reader_config.num_readers,
        shuffle=input_reader_config.shuffle,
        dtypes=[tf.string, tf.string],
        capacity=input_reader_config.queue_capacity,
        min_after_dequeue=input_reader_config.min_after_dequeue)

似乎当我将num_readers = 1放入配置文件时，数据集最终会按照我想要的方式进行洗牌，（至少在开始时），但是当开始时有更多的某些方式时，徽标按字母顺序排列。

Answer 1

我建议在训练之前改组数据集。目前正在进行洗牌的方式并不完美，我对正在发生的事情的猜测是，在开始时队列开始是空的，只得到以“A＆＃39; A”开头的示例。 ---过了一会儿它可能会更加洗牌，但是当队列还没有被填满时，开始部分就没有了。

使用Tensorflow对象检测api对训练数据集进行混洗

1 个答案: