我正在尝试在本教程https://towardsdatascience.com/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9之后使用张量流上的API检测。但是有些细节我不理解。
首先，我不了解配置文件中评估的一些参数。 “num readers”和“max_evals”参数。 “Max evals”似乎是对数据集的评估数量，但为什么它默认不是1？因为我们只需要检查一次检查点（或者我错了？）。关于培训，数据是否自动洗牌？
其次，我想知道我们是否可以使用张量板来在API检测的训练期间在图像中显示框。如果是，获得它的步骤是什么？
答案 0 :(得分：2)
num_readers：我＆＃39;并不完全确定，但它可能与您需要读取eval输入所需的进程数量有关。如果您发现阅读数据确实是您失去时间的地方（尽管通常情况并非如此，推理需要更多时间），您可以尝试更改它。
max_evals：说明您要评估的检查点数量。在训练时，作业将定期保存检查点（例如，如果您停止训练，您不会丢失所有以前的工作;或者您可以在{{1}分别创建的网络之间进行选择}和n次迭代）。您通常会同时开始一个评估工作，它将定期评估最后创建的检查点，最多m个检查点。如果您没有填写此值，它将评估所有创建的检查点，从而在培训期间定期为您提供评估效果。
关于改组训练数据：您需要将max_evals添加到列车输入阅读器（在配置文件中），但apparently它可能无法在第一个时期使用，所以你可能还应该确保你的数据集没有预先排序。
在训练期间用盒子显示图像：是的，你可以。您需要为此运行评估作业。您可以设置将在配置文件中保存的图像数量。要查看这些图像的检测结果，您的eval输入阅读器中需要shuffle: True。否则它会在每一步显示不同的图像，因此您无法真正看到进度。然后你只需运行Tensorboard，图像就会出现在＆＃34;图像＆＃34;标签