如何仅在评估模式下运行 TF 对象检测 API model_main.py

Question

我想使用 Google Cloud 在新的测试集上评估经过自定义训练的 Tensorflow 对象检测模型。

我从以下位置获得了初始检查点： https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

我知道 Tensorflow 对象检测 API 允许我通过以下方式同时运行训练和评估：

https://github.com/tensorflow/models/blob/master/research/object_detection/model_main.py

要开始这样的工作，我提交以下 ml-engine 工作：

gcloud ml-engine jobs submit training [JOBNAME] 
--runtime-version 1.9 
--job-dir=gs://path_to_bucket/model-dir 
--packages dist/object_detection- 
    0.1.tar.gz,slim/dist/slim-0.1.tar.gz,pycocotools-2.0.tar.gz 
--module-name object_detection.model_main 
--region us-central1 
--config object_detection/samples/cloud/cloud.yml 
-- 
--model_dir=gs://path_to_bucket/model_dir 
--pipeline_config_path=gs://path_to_bucket/data/model.config

但是，在我成功迁移训练了一个模型后，我想在一个新的测试数据集上使用计算性能指标，例如 COCO mAP(http://cocodataset.org/#detection-eval) 或 PASCAL mAP (http://host.robots.ox.ac.uk/pascal/VOC/pubs/everingham10.pdf)以前使用过（无论是在训练期间还是在评估期间）。

我已经看到，model_main.py 中有可能的标志：

flags.DEFINE_string(
    'checkpoint_dir', None, 'Path to directory holding a checkpoint. If '
    '`checkpoint_dir` is provided, this binary operates in eval-only 
     mode, '
    'writing resulting metrics to `model_dir`.')

但我不知道这是否真的暗示 model_main.py 可以在独占评估模式下运行？如果是，我应该如何提交 ML-Engine 作业？

另外，Tensorflow API 中是否有任何函数允许我基于 COCO 和/或 Pascal mAP 评估现有输出字典（包含边界框、类标签、分数）？如果有，我可以轻松地在本地读取 Tensorflow 记录文件，运行推理，然后评估输出字典。

我知道如何获取评估数据集的这些指标，该数据集在训练期间在 model_main.py 中进行评估。但是，根据我的理解，我仍然应该报告新测试数据集的模型性能，因为我比较了多个模型并实施了一些超参数优化，因此我不应该报告评估数据集，对吗？笼统地说：我真的无法理解为什么要从单独的训练和评估（就像在遗留代码中一样）切换到组合的训练和评估脚本？

编辑： 我找到了两个相关的帖子。但是我认为提供的答案并不完整：

how to check both training/eval performances in tensorflow object_detection

How to evaluate a pretrained model in Tensorflow object detection api

后者是在 TF 的对象检测 API 仍然有单独的评估和训练脚本时编写的。现在已经不是这样了。

非常感谢您的帮助。

Answer 1

如果您指定 checkpoint_dir 并将 run_once 设置为 true，那么它应该在 eval 数据集上只运行一次评估。我相信指标将被写入 model_dir 并且也应该出现在您的控制台日志中。我通常只是在我的本地机器上运行它（因为它只是对数据集进行一次传递）并且不是分布式工作。不幸的是，我还没有尝试在 CMLE 上运行这个特定的代码路径。

关于为什么我们有一个组合脚本......从对象检测 API 的角度来看，我们试图在 tf.Estimator 范式中编写东西 --- 但你是对的，我个人发现它更容易一些这两个功能存在于不同的二进制文件中。如果您愿意，您可以随时将此功能包装在另一个二进制文件中:)