如何仅在评估模式下运行 TF 对象检测 API model_main.py

Question

我想在使用 Google Cloud 的新测试集上评估自定义训练的 Tensorflow 对象检测模型。

我从以下位置获得了初始检查点：https : //github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

我知道 Tensorflow 对象检测 API 允许我使用以下方法同时运行训练和评估：

https://github.com/tensorflow/models/blob/master/research/object_detection/model_main.py

要开始这样的工作，我提交以下 ml-engine 工作：

gcloud ml-engine jobs submit training [JOBNAME] 
--runtime-version 1.9 
--job-dir=gs://path_to_bucket/model-dir 
--packages dist/object_detection- 
    0.1.tar.gz,slim/dist/slim-0.1.tar.gz,pycocotools-2.0.tar.gz 
--module-name object_detection.model_main 
--region us-central1 
--config object_detection/samples/cloud/cloud.yml 
-- 
--model_dir=gs://path_to_bucket/model_dir 
--pipeline_config_path=gs://path_to_bucket/data/model.config

但是，在成功转移训练模型后，我想使用计算性能指标，例如 COCO mAP( http://cocodataset.org/#detection-eval ) 或 PASCAL mAP ( http://host.robots. ox.ac.uk/pascal/VOC/pubs/everingham10.pdf）在一个以前没有使用过的新测试数据集上（无论是在训练期间还是在评估期间）。

我已经看到，model_main.py 中有可能的标志：

flags.DEFINE_string(
    'checkpoint_dir', None, 'Path to directory holding a checkpoint. If '
    '`checkpoint_dir` is provided, this binary operates in eval-only 
     mode, '
    'writing resulting metrics to `model_dir`.')

但是不知道这是否真的意味着model_main.py可以在独占评估模式下运行？如果是，我应该如何提交 ML-Engine 作业？

或者，Tensorflow API 中是否有任何函数允许我基于 COCO 和/或 Pascal mAP 评估现有的输出字典（包含边界框、类标签、分数）？如果有，我可以轻松地在本地读取 Tensorflow 记录文件，运行推理，然后评估输出字典。

我知道如何为评估数据集获取这些指标，这些指标是在 model_main.py 中训练期间进行评估的。但是，根据我的理解，我仍然应该在新的测试数据集上报告模型性能，因为我比较了多个模型并实施了一些超参数优化，因此我不应该报告评估数据集，对吗？更一般地说：我真的无法理解为什么要从单独的训练和评估（就像在遗留代码中一样）切换到组合的训练和评估脚本？

编辑：我找到了两个相关的帖子。但是，我认为所提供的答案并不完整：

如何在 tensorflow object_detection 中检查训练/评估性能

如何评估 Tensorflow 对象检测 api 中的预训练模型

后者是在 TF 的对象检测 API 仍有单独的评估和训练脚本时编写的。现在已经不是这样了。

非常感谢您的帮助。

Answer 1

如果您将checkpoint_dir和 设置run_once为 true，则它应该在 eval 数据集上只运行一次评估。我相信指标将写入 model_dir 并且也应该出现在您的控制台日志中。我通常只是在我的本地机器上运行它（因为它只是对数据集进行一次传递）并且不是分布式作业。不幸的是，我还没有尝试在 CMLE 上运行这个特定的代码路径。

关于为什么我们有一个组合脚本......从对象检测 API 的角度来看，我们试图在 tf.Estimator 范式中编写东西---但是你是对的，我个人发现当这两个功能时它更容易一些住在不同的二进制文件中。如果需要，您始终可以将此功能包装在另一个二进制文件中 :)