在 tensorflow 对象检测 API 中，有没有办法知道对象检测模型有多少参数？答案

【问题标题】：Is there a way to know how many parameters does an object detection model have, in tensorflow object detection API?在 tensorflow 对象检测 API 中，有没有办法知道对象检测模型有多少参数？
【发布时间】：2019-11-12 02:23:17
【问题描述】：

我使用张量对象检测 (TFOD) API 训练不同的模型，我想知道为给定模型训练了多少参数。

我运行更快的 RCNN、SSD、RFCN 以及不同的图像分辨率，我想知道训练了多少参数。有没有办法做到这一点？

我已经尝试在这里找到答案 How to count total number of trainable parameters in a tensorflow model? 没有运气。

这是我在model_main.py的第103行添加的代码：

print("Training {} parameters".format(np.sum([np.prod(v.get_shape().as_list()) for v in tf.trainable_variables()]))

我认为问题在于我没有访问 TFOD 正在运行的 tf.Session()，因此我的代码总是返回 0.0 个参数（尽管训练策略很好，希望能训练数百万个参数），但我没有不知道怎么解决这个问题。

【问题讨论】：

训练多少参数是什么意思？您的意思是您的模型中有多少个参数？
@BlueRineS 是的，我需要知道模型中有多少参数
嘿伙计，如果您可以发布一些参数，例如 ssd、更快的 rcnn 等，那将非常有用。

标签： python tensorflow object-detection-api

【解决方案1】：

使用 export_inference_graph.py 时，脚本还会分析您的模型，并计算参数和 FLOPS（如果可能）。如果看起来像这样：

_TFProfRoot (--/# total params)
  FeatureExtractor (--/# params)
  ...
  WeightSharedConvolutionalBoxPredictor (--/# params)
  ...

【讨论】：

【解决方案2】：

TFOD API 使用tf.estimator.Estimator 进行训练和评估。 Estimator 对象提供了获取所有变量的函数，Estimator.get_variable_names() (reference)。

您可以在estimator.train_and_evaluate() (here) 之后添加此行print(estimator.get_variable_names())。

训练完成后，您将看到打印的所有变量名称。要更快地查看结果，您只需训练 1 步即可。

【讨论】：

这是您正在寻找的答案吗？还是我回答错了？