时间戳

首页 > 解决方案 > TensorBoard：评估 TensorFlow 模型的质量

python - TensorBoard：评估 TensorFlow 模型的质量

问题描述

我想使用名为“efficientdet_d1_coco17_tpu-32”的预训练 TensorFlow2 模型来训练和评估神经网络。这是一个针对对象检测的沙盒示例。训练数据集由 130 张图像组成，测试数据集有 15 张。目前我将工作分为两个阶段：（i）训练和（ii）评估。为了训练，我使用以下 bash 脚本：

export PIPELINE_CONFIG_PATH=models/my_efficientdet_d1_coco17_tpu-32/pipeline.config
export MODEL_DIR=models/my_efficientdet_d1_coco17_tpu-32
export NUM_TRAIN_STEPS=25000
export NUM_EVAL_STEPS=25
export SAMPLE_1_OF_N_EVAL_EXAMPLES=1

python ./model_main_tf2.py \
    --pipeline_config_path=${PIPELINE_CONFIG_PATH} \
    --model_dir=${MODEL_DIR} \
    --num_train_steps=${NUM_TRAIN_STEPS} \
    --num_eval_steps=${NUM_EVAL_STEPS} \
    --sample_1_of_n_eval_examples=${SAMPLE_1_OF_N_EVAL_EXAMPLES} \
    --alsologtostderr

训练完成后（运行 25000 次迭代），我使用类似的 bash 脚本启动评估：

export PIPELINE_CONFIG_PATH=models/my_efficientdet_d1_coco17_tpu-32/pipeline.config
export MODEL_DIR=models/my_efficientdet_d1_coco17_tpu-32
export CHECKPOINT_DIR=${MODEL_DIR}

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

但是，当我在 TensorBoard 上查看训练和评估结果时，我在图表上只看到一个评估点。请您指导我，如何根据多个点制作评估图？我认为这是--num_eval_steps参数，但显然不是这样。任何指导将不胜感激。

根据类似的问题，评估使用来自最终检查点的数据。是否可以指示 TensorFlow/TensorBoard 使用所有可用的检查点？我还注意到随着训练的进行，检查点文件会逐渐被删除。是否有可能保存所有这些？

标签： pythontensorflowobject-detectiontensorboardevaluation

解决方案

推荐阅读