如何減少 Tensorflow 的對象檢測 API 中的訓練步驟數？

Question

我正在按照Dat Trans示例使用 TensorFlow 的對象檢測器 API 訓練我自己的對象檢測器。

我成功地開始訓練自定義對象。 我正在使用 CPU 來訓練模型，但完成 100 個訓練步驟大約需要 3 小時。 我想我必須更改.config一些參數。

我試圖將.ckpt轉換為.pb ，我參考了這篇文章，但我仍然無法轉換

1）如何減少訓練步數？
2）有沒有辦法將.ckpt轉換為.pb 。

Answer 1

我不認為你可以減少訓練步驟的數量，但你可以在任何檢查點（ ckpt ）停止，然后將其轉換為.pb文件
從 TensorFlow 模型 git 存儲庫中，您可以使用export_inference_graph.py
和以下代碼

python tensorflow_models/object_detection/export_inference_graph.py \
--input_type image_tensor \
--pipeline_config_path architecture_used_while_training.config \
--trained path_to_saved_ckpt/model.ckpt-NUMBER \
--output_directory model/

其中NUMBER是指您最近保存的檢查點文件編號，但是如果您在 tensorboard 中發現它更好，您可以使用較舊的檢查點文件

Answer 2

1）恐怕沒有有效的方法來“減少”訓練步驟。 使用更大的批量可能會導致“更快”的訓練（例如，在較少的步驟中達到高精度），但每個步驟都需要更長的時間來計算，因為您在 CPU 上運行。 使用輸入圖像分辨率可能會加快速度，但代價是精度較低。 您真的應該考慮遷移到配備 GPU 的機器上。

2) .pb文件（及其相應的文本版本.pbtxt ）默認僅包含圖形的定義。 如果你凍結你的圖表，你會采取一個檢查點，獲取圖表中定義的所有變量，將它們轉換為常量，並將存儲在檢查點中的值分配給它們。 您通常這樣做是為了將經過訓練的模型發送給使用它的任何人，但這在訓練階段是無用的。

Answer 3

我強烈建議找到一種方法來加快每個訓練步驟的運行時間，而不是減少訓練步驟的數量。 最好的方法是使用 GPU。 如果你不能這樣做，你可以考慮降低圖像分辨率或使用更輕的網絡。

要轉換為凍結推理圖（.pb 文件），請參閱此處的文檔： https : //github.com/tensorflow/models/blob/master/research/object_detection/g3doc/exporting_models.md

Answer 4

是的，.config 文件中有一個參數，您可以在其中盡可能減少步驟數。 num_steps：在 .config 文件中，它實際上是訓練中的時期數。

但請記住，不建議減少太多。因為如果減少太多，您的損失函數不會減少太多，這會給您帶來糟糕的輸出。

所以繼續觀察損失函數，一旦它低於 1 ，那么你就可以開始單獨測試你的模型，你的訓練就會發生。

Answer 5

1. 是的，有一種方法可以改變訓練步驟的數量：

試試這個，

python model_main_tf2.py --pipeline_config_path="config_path_here" --num_train_steps=5000 --model_dir="model_dir_here" --alsologtostderr

這里我將訓練步數設置為 5000

2. 是的，有一種方法可以將檢查點轉換為 .pb：

試試這個，

python exporter_main_v2.py --trained_checkpoint_dir="checkpoint_dir_here" --pipeline_config_path="config_path_here" --output_directory "output_dir_here"

這將創建一個目錄，用於保存檢查點和 .pb 文件。