Question

过去2个月，我一直在尝试训练对象检测模型，并通过遵循此tutorial终于成功。

这是我的colab，其中包含我的所有作品。

问题是，显示了训练损失，并且平均在减少，但是没有验证损失。

在pipeline.config文件中，我确实输入了评估TFRecord文件（我假设它是验证数据输入），如下所示：

eval_config {

metrics_set：“ coco_detection_metrics”

use_moving_averages：假

}

eval_input_reader {

label_map_path：“注释/label_map.pbtxt”

随机播放：false

num_epochs：1

tf_record_input_reader {

input_path：“注释/测试记录”

}

}

我通读了model_main_tf2.py，它似乎在训练时不会评估，而只会在提到checkpoint_dir时评估。

因此，我只能监视训练集上的损失，而不能监视验证集上的损失。

结果，我不知道是否合适。

您有没有人成功使用model_main_tf2.py查看验证丢失？

此外，很高兴在训练中看到mAP分数。

我知道keras训练允许在张量板上看到所有这些内容，但是OD API似乎要困难得多。

感谢您的时间，如果您仍然对某些事情感到困惑，请告诉我。

Answer 1

您必须打开另一个终端，然后运行此命令

python model_main_tf2.py \
   --model_dir=models/my_ssd_resnet50_v1_fpn \
   --pipeline_config_path=models/my_ssd_resnet50_v1_fpn/pipeline.config \
   --checkpoint_dir=models/my_ssd_resnet50_v1_fpn

该API tutorial在该主题上不清楚。我有完全一样的问题。

事实证明，评估过程未包含在训练循环中，您必须以并行方式启动它。

它将等待并说出waiting for new checkpoint，这意味着您将使用以下内容开始培训：

python model_main_tf2.py --model_dir=models/my_ssd_resnet50_v1_fpn --pipeline_config_path=models/my_ssd_resnet50_v1_fpn/pipeline.config # note that the checkpoint_dir argument is not there

您的eval_interval_secs中的每个eval_config将运行一次评估。

根据文档，评估指标将存储在eval_0目录中您的检查点旁边，然后您就可以在tensorboard中进行绘制。

我同意这很难理解，因为它在文档中不是很清楚，并且也不太方便，因为我不得不分配另一个GPU进行评估以避免CUDA内存不足的问题

祝你有美好的一天

TF2对象检测API：model_main_tf2.py-验证丢失？

1 个答案: