Как получить входные данные поезда для обучения API обнаружения объектов Tensorflow?

При моделировании поездов Fast_rcnn_resnet101 потери отображаются на терминале на каждом шаге.

Я хочу знать, какие данные вводятся на каждом этапе. когда убыток увеличивается, я не знаю, почему он увеличивается.

Есть ли кто-нибудь, кто знает, как видеть входные данные на каждом шаге?


object-detection object-detection-api tensorflow tfrecord
person DongHwan Shin    schedule 29.01.2019    source источник
comment
Вы пытаетесь просмотреть маркированную классификацию после каждой эпохи, это не должно быть проблемой, вы можете сохранить y_pred, как только завершите эпоху, точная реализация будет основана на вашем коде и на том, как вы хотите хранить данные, но это должен дать вам обзор?   -  person anand_v.singh    schedule 29.01.2019
comment
@ anand_v.singh Я обучил модель, используя api обнаружения объектов tensorflow. Я хочу сохранить имя файла изображения, основную истину, прогнозировать данные. Я не знаю, где редактировать скрипт на api обнаружения объектов.   -  person DongHwan Shin    schedule 29.01.2019
comment
github.com/tensorflow/models/blob/master/research/ По этой ссылке в конце функции run_inference_for_single_image(image, graph) вы получаете предсказанный результат, у вас уже есть основная правда, сохраните их оттуда.   -  person anand_v.singh    schedule 30.01.2019

Ответы (1)


arrow_upward
0
arrow_downward

Вы не можете проверить результат каждого шага, но в вашем каталоге object_detection / training создается обученный префикс контрольной точки, который обновляется после определенного количества шагов. вы можете проверить обнаружение объекта, используя текущую обученную модель.

Eg:

python3 export_inference_graph.py \
    --input_type image_tensor \
    --pipeline_config_path training/ssd_mobilenet_v1_pets.config \
    --trained_checkpoint_prefix training/model.ckpt-25000 \
    --output_directory latest_dataset

здесь model.ckpt-25000 - количество шагов (25000), обученных до сих пор.

person Prashant Palve    schedule 30.01.2019