如何在 Tensorflow 对象检测 API v2 中同时训练和评估

Question

我想知道如何在 Tf2 对象检测 API 中的每个检查点训练和评估模型。在文档中，他们建议训练然后评估模型

火车

python object_detection/model_main_tf2.py \
    --pipeline_config_path=${PIPELINE_CONFIG_PATH} \
    --model_dir=${MODEL_DIR} \
    --alsologtostderr

评价

python object_detection/model_main_tf2.py \
    --pipeline_config_path=${PIPELINE_CONFIG_PATH} \
    --model_dir=${MODEL_DIR} \
    --checkpoint_dir=${CHECKPOINT_DIR} \
    --alsologtostderr

我想要的是进行训练，并在创建每个检查点（1000 个步骤）后进行评估。我知道在 TF-1 对象检测 API 中，每 1000 个步骤都会自动进行评估，并且我想在 TF-2 中复制

Answer 1

根据 model_main_tf2.py，他们在每个时期留下了一个用于评估的标志，但它仅适用于分布式训练： https ://github.com/tensorflow/models/blob/master/research/object_detection/model_main_tf2.py# L37-L38

然而，我认为当他们通过包含评估数据添加一些标志时，他们很快就会提供它：https: //github.com/tensorflow/models/blob/master/research/object_detection/model_main_tf2.py#L39-L44

有关更多详细信息，您可以在此处查看它们的训练函数，该函数描述了它们的训练工作流程。您可以看到他们尚未实施评估： https://github.com/tensorflow/models/blob/master/research/object_detection/model_lib_v2.py#L419

因此，您必须通过创建一个新的 train_file 来解决这个问题，该文件使用此处的库以及他们创建的一些评估方法，并将其附加到您的训练文件以评估每个时期。或者你可以等一下:D