如何使用Tensorflow 2 Object Detection API恢复微调模型进行测试

Question

我已经成功地训练(微调(并验证了Tensorflow model Zoo 2的对象检测模型，配置如下：

... 
train_input_reader: {
label_map_path: "/label_map.pbtxt"
tf_record_input_reader {
input_path: "/train.record"
}
}
eval_config: {
metrics_set: "coco_detection_metrics" #coco_detection_metrics
use_moving_averages: false
batch_size: 1;
}
eval_input_reader: {
label_map_path: "/label_map.pbtxt"
shuffle: false
num_epochs: 1
tf_record_input_reader {
input_path: "/validation.record"
}
}
...

然后，我通过分析Tensorboard上的性能注意到，基于eval损失的最佳模型是在步骤13k，即ckpt-14。然而，我也有/test.record，我想在上面测试基于ckpt.14的模型。我能做什么？我试着用ckpt-14.index e ckpt-14.data-…和名为"的文件创建一个单独的文件夹；检查点"；只包含ckpt-14及其时间戳，然后通过在tf_record_put_reader中将validation.record替换为test.record.来启动评估过程。

这是正确的吗？有没有一种合适的方法可以使用tensorflow 2对象检测api测试基于检查点的模型？

Answer 1

您可以在同一个模型上同时进行训练和测试。。。。。。但是，如果你只有一个GPU，并且使用大型数据集进行训练，那么可能不可能使用同一个GPU进行测试，因为这会导致内存错误。。。。。一个好的方法是使用相同的代码并使用变通方法来使用CPU进行测试。。。。。。。测试周期每1000步进行一次，在Tensorboard上，你可以看到测试和评估，你还可以看到与地面实况并排的边界框。。。。。。

我将尝试分享并行训练和测试的代码。。。。。在训练中，它将使用GPU，在测试中它将使用CPU。。。。。它一直在为我工作，毫无疑问，它也应该为你工作。。。。。