【发布时间】:2020-11-10 17:36:31
【问题描述】:
【问题讨论】:
-
你在训练coco吗?您应该共享您的自定义修改配置文件,并包括其他信息,例如训练样本的数量、类。
-
是的,正确! .这是我的配置文件github.com/anthoniusadi/tf2-ssdmobilenetv2/blob/main/…
标签: tensorflow object-detection
【问题讨论】:
标签: tensorflow object-detection
在遵循 tf 对象检测 api 分步指南后,我遇到了同样的“问题”。也许对你来说有点太晚了,但我希望能节省别人的时间:你只需要调整学习率。我阅读的教程是“tf object detection api training”的前 10 个 Google 搜索结果之一,他们没有调整对于某些模型来说太高的学习率(如果你只是复制了那里提到的管道文件)
learning_rate: {
cosine_decay_learning_rate {
learning_rate_base: .8
total_steps: 20000
warmup_learning_rate: 0.13333
warmup_steps: 2000
}
warmup_steps 意味着您通常以较低的学习率训练模型的前 2000 步(在这种情况下),以缓慢调整预训练的权重以适应新的挑战。我在warmup_learning_rate: 0.0005 和learning_rate_base: 0.008 看到了一些不错的结果,显然这取决于您的数据和训练的总步数,但 0.1333 和 0.8 简直太高了。
【讨论】: