如何解决训练TF2 object_detection API
我正在尝试微调高效的det模型。这是我所做的总结:
- download coco dataset 2014
- 使用a script from tensorflow转换为tfrecord
- 从official model zoo下载有效的Det D0
- 编辑pipeline.config(batch_size:1,sync_replicas:false,replicas_to_aggregate:1,fine_tune_checkpoint_type:“ detection”,use_bfloat16:false)并调整路径。
- 克隆github.com/tensorflow/models.git,
docker-compose run object_detection
。 - 在容器内:
python models/research/object_detection/model_main_tf2.py \
--pipeline_config_path=efficientdet_d0_coco17_tpu-32/pipeline.config \
--model_dir=foo/model/ \
--alsologtostderr
我的问题是,如在张量板中所见(即在数据预处理之后),对比度被最大化(或有时未被最大化,但仍然太高),亮度通常太低:
我用https://github.com/sulc/tfrecord-viewer检查了tfrecords的内容,颜色很好。 我在另一台具有不同nvidia GPU模型的机器上尝试过,同样的问题。
您知道问题可能出在哪里吗?谢谢!
解决方法
这似乎是一个可视化问题,而不是训练问题。可以通过将归一化从 (-1,1) 改为 (0,1) 来解决。
在代码中进行这些更改:
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。