Tensorflow对象检测API中的``train.py''和``model_main.py''之间的区别

时间:2019-01-08 01:55:44

标签: tensorflow object-detection-api

我通常只使用train.py来使用Tensorflow对象检测API进行训练。但是,我从https://www.kaggle.com/c/rsna-pneumonia-detection-challenge/discussion/68581获悉,您还可以使用model_main.py来训练模型并在Tensorboard上查看实时绘图和图像。

  1. 您如何在Tensorboard上准确使用model_main.py
  2. train.pymodel_main.py有什么区别?

2 个答案:

答案 0 :(得分:3)

  1. 在TensorBoard上,model_main.py会输出类似train.py的图形,但在model_main.py中,也会评估模型在评估数据集上的性能。

  2. model_main.py是TensorFlow对象检测API中的较新版本。它用于训练和评估模型。使用train.py时,我们必须运行一个单独的程序进行评估(eval.py),而model_main.py会同时执行这两个程序。例如,培训代码将运行一段时间(例如5分钟或每2000步),然后培训将停止并运行评估。评估完成后,将再次继续培训。然后再次重复相同的循环。

答案 1 :(得分:0)

Tensorflow的对象检测API的较新版本提供了训练并评估模型的model_main.py ,其中使用了各种前提条件和预处理,其中Tensorflow对象的较旧版本检测API使用train.py进行训练,使用eval.py进行评估

参考:https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10