如何在 Tensorflow Object Detection API v2 中同时训练和评估答案

【问题标题】：How to train and eval at the same time in Tensorflow Object Detection API v2如何在 Tensorflow Object Detection API v2 中同时训练和评估
【发布时间】：2021-01-02 15:31:31
【问题描述】：

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

火车

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

评估

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

我想要的是进行培训，并在创建每个检查点（1000 步）后进行评估。我知道在 TF-1 对象检测 API 中，评估是每 1000 步自动完成的，并且我想在 TF-2 中复制什么

【问题讨论】：

标签： python tensorflow tensorflow2.0 object-detection object-detection-api

【解决方案1】：

根据 model_main_tf2.py，他们在每个 epoch 都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

但是，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

更多细节，您可以查看他们的训练功能here，这是针对他们的训练工作流程进行的描述。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 来解决问题，该文件使用 lib here 和他们创建的一些评估方法，并附加到您的训练文件以评估每个时期。或者你可以等待：D

【讨论】：