Question

我正在尝试使用DensNet来解决TF-Slim的回归问题。我的数据包含60000个jpeg图像，每个图像有37个浮点标签。我将我的数据分为三个不同的tfrecords文件，一组列车（60％），一套验证（20％）和一套测试（20％）。

我需要在训练循环期间评估验证集并制作类似image的图表。在TF-Slim文档中，他们只是分别解释了训练循环和评估循环。我可以在训练循环结束后评估验证或测试集。正如我所说，我需要在培训期间进行评估。

我尝试使用slim.evaluation.evaluation_loop函数而不是slim.evaluation.evaluate_once。但它没有帮助。

slim.evaluation.evaluation_loop(
    master=FLAGS.master,
    checkpoint_dir=checkpoint_path,
    logdir=FLAGS.eval_dir,
    num_evals=num_batches,
    eval_op=list(names_to_updates.values()) + print_ops,
    variables_to_restore=variables_to_restore,
    summary_op = tf.summary.merge(summary_ops),
    eval_interval_secs = eval_interval_secs )

我也尝试过评估。估计也是如此。

from tensorflow.contrib.training.python.training import evaluation

evaluation.evaluate_repeatedly(
    master=FLAGS.master,
    checkpoint_dir=checkpoint_path,
    eval_ops=list(names_to_updates.values()) + print_ops,
    eval_interval_secs = eval_interval_secs )

在这两个函数中，他们只是从checkpoint_dir读取最新的可用检查点，并且显然正在等待下一个检查点，但是当生成新的检查点时，它们根本不会执行。

我在CPU上使用Python 2.7.13和Tensorflow 1.3.0。

任何帮助都将受到高度赞赏。

Answer 1

使用evaluate_once可以很好地处理使用sleep的bash脚本。看来Tensorboard能够从给定的eval_dir绘制多个单行...

所以我使用类似的东西：

#!/bin/bash
set -e

# Paths to model and evaluation results
TRAIN_DIR=~/pDL/tensorflow/model/mobilenet_v1_1_224_rp-v1/run0004
TEST_DIR=${TRAIN_DIR}/eval

# Where the dataset is saved to.
DATASET_DIR=/mnt/data/tensorflow/data

# Run evaluation (using slim.evaluation.evaluate_once)
CONTINUE=1

while [ "$CONTINUE" -ne 0 ]
do

python eval_image_classifier.py \
  --checkpoint_path=${TRAIN_DIR} \
  --eval_dir=${TEST_DIR} \
  --dataset_name=master_db \
  --preprocessing_name=preprocess224 \
  --dataset_split_name=valid \
  --dataset_dir=${DATASET_DIR} \
  --model_name=mobilenet_v1 \
  --patch_size=64

echo "sleeping for next run"
sleep 600
done

Answer 2

这似乎是正确设置checkpoint_path的问题，如下所述： https://github.com/tensorflow/tensorflow/issues/13769

答案是由Ellie68设定的：

if tf.gfile.IsDirectory(FLAGS.checkpoint_path):
   if tf.train.latest_checkpoint(FLAGS.checkpoint_path):
       checkpoint_path = tf.train.latest_checkpoint(FLAGS.checkpoint_path)
   else:
       checkpoint_path = FLAGS.checkpoint_path

如何定期评估TF-Slim中模型的性能？

2 个答案: