Tensorflow對象檢測API：如何禁用從檢查點加載

Question

我創建MobileNetV2特征提取架構的自定義變化，通過改變expansion_size從6比4 research/slim/nets/mobilenet/mobilenet_v2.py的tensorflow/models回購。

我希望能夠使用model_main.py腳本訓練SSD + Mobilenet_v2（具有此更改）模型，如對象檢測API的running_locally教程中所述 。

當我這樣做時，我看到以下錯誤，這是有道理的：

`InvalidArgumentError (see above for traceback): Restoring from checkpoint failed. This is most likely due to a mismatch between the current graph and the graph from the checkpoint. Please ensure that you have not altered the graph expected based on the checkpoint.

要解決此問題：

1. 我從pipeline.config刪除了finetune_checkpoint規范。
2. 我在object_detection/model_hparams.py load_pretrained=True更改為load_pretrained=False 。
3. 我添加--hparams_overrides='load_pretrained=false'作為命令行輸入參數model_main.py 。

盡管有這些，我仍然看到相同的錯誤。

為什么tensorflow仍在嘗試還原檢查點。 我該如何做呢？

Answer 1

自己找到解決方案。 事實證明，即使我已安排它不從管道配置文件中恢復檢查點，但事實證明內部tf.Estimator對象仍可以使用指定的model_dir的檢查點； 即使model_dir的主要用途是將輸出檢查點寫入其中的輸出目錄。

我在tf.Estimator的官方文檔中找到了此信息。 以下是相關摘錄供參考：

`model_dir：用於保存模型參數，圖形等的目錄 。 這也可用於將檢查點從目錄加載到估計器中，以繼續訓練先前保存的模型 。 如果是PathLike對象，則路徑將被解析。 如果設置為None，則使用config中的model_dir。 如果兩者都設置，則必須相同。 如果兩者都為None，則將使用一個臨時目錄。

我原來的model_dir有一個舊的檢查點，該檢查點在架構上與我的自定義模型不兼容。 因此，我看到了錯誤。 為了解決這個問題，我只需將model_dir更改為指向一個新的空目錄即可。 我希望這對遇到類似問題的人有所幫助。