TF 怎么知道你在微调什么对象答案

【问题标题】：How does TF know what object you are finetuning forTF 怎么知道你在微调什么对象
【发布时间】：2020-02-08 11:25:12
【问题描述】：

我正在尝试使用我自己注释的大约 400 张图像来改进 mobilenet_v2 对船只的检测，但是当我冻结图形时，我会继续得到一个欠拟合的模型，（检测是随机的，实际上并没有检测到，而只是随机放置一个推理）。我执行了 20,000 步，损失了 2.3。

我想知道 TF 是如何知道我正在使用我的自定义标签映射对其进行训练的原因

ID:1

名称：“船”

和mscoco标签图中它所认为的船（ID为9）是一样的。

或者，通过使用 ID 1，我是否正在训练模型对人看起来像一艘船的想法？

提前感谢您的任何建议。

【问题讨论】：

显然，我对这个问题感到困惑； 1 这个 ID 是从哪里进入你的进程的？
在运行管道进行训练时，您需要传递标签映射，我正在关注：pythonprogramming.net/… 但是，他不是微调而是添加一个新参数（mac & cheese），而我希望改进预训练的 mobilenet v2 对船只的检测。
好的；我必须把这个留给有时间细读场外材料的人。

【解决方案1】：

所以我设法找出问题所在。

我们从头开始创建注释工具，无论我尝试实施多少步骤或各种修复，每次训练时都会导致欠拟合的问题是 在创建边界框时没有检查以确定是否xmin 和 ymin 坐标小于 xmax 和 ymax 我没有意识到这会是一个如此大的问题，但是在创建了一个非常简单的检查以确保坐标正确之后，训练顺利进行。

【讨论】：

【解决方案2】：

该模型适用于您提供的类别标签（数字）。字符串“boat”只是为了方便人们阅读输出的翻译。

如果您有一个模型已经学会将一组 40 张图像识别为类 9，那么给它一个非常相似的图像，您坚持认为是类 1 会混淆它。这样做会促使模型提升9 船和新的1 船之间差异的重要性。如果没有显着差异，那么权重的变化会发现你不关心的非预期特征。

结果是一个效率低得多的模型。

【讨论】：

感谢您的回复，但我使用包含以下标签的标签地图使用 400 张船图像训练了 25,000 步：名称：“m/019jd”，ID：9，显示名称：“船”。根据 mscoco 标签地图，它没有检测到任何东西，在 3 分钟的船只视频中，它没有显示任何推断。