如何从不同时期的 Mask R-CNN 开始训练？答案

【问题标题】：How to start training from different epoch Mask R-CNN?如何从不同时期的 Mask R-CNN 开始训练？
【发布时间】：2020-09-09 06:52:37
【问题描述】：

我正在训练 Mask R-CNN model。

我在“头部”训练 2 个 epoch 后保存了权重，我想从 epoch 3 继续。但是 model.train() 函数没有 initial_epoch 参数作为 model.fit 例如在顺序模型中。

我有以下代码，但如果我使用加载的权重运行它，它会从第一个时期开始，我不希望这样：

EPOCHS = [1, 3, 5, 8]  

model.train(dataset_train, dataset_val,
                learning_rate = LEARNING_RATE,
                epochs = EPOCHS[1],
                layers = 'all',
                augmentation = augmentation)

如果有人能告诉我在我的情况下什么是 initial_epoch 的替代品，我将不胜感激。

【问题讨论】：

标签： tensorflow keras deep-learning image-segmentation

【解决方案1】：

在拟合模型的前 2 个 epoch 后，它的权重发生了变化。因此，当您再次致电fit 时，模型将继续训练。您的进度不会丢失

【讨论】：

但我不叫 .fit。我打电话给.train。我找不到是否有任何区别。当我调用 .train 时，我再次从 epoch 1 开始。这就是我想知道这是否与我训练的第一个 epoch 相同，或者就像从头开始训练一个新模型一样。如果这听起来很愚蠢，我很抱歉，但我需要理解它。
不问问题的人是愚蠢的。看看里面train。有一个电话 fit_generator 现在作为 fit 工作（使用新版本的 tensorflow）。每次调用 fit 时，您都会看到从 epoch 1 开始的拟合信息。但这并不意味着您是重新训练模型。通过调用fit 两次，您将继续培训过程
我建议您仅使用 keras 构建模型以了解它是如何工作的
感谢您的回答。这非常有用。