我试图通过跟随tensorflow对象检测API的running locally选项来训练对象检测模型 . 按照文档后：

  • 我可以下载数据并将pascal_train.record，pascal_eval.record和pascal_label_map.pbtxt放在./object_detection/data/目录中 .

  • 我已经编辑了"faster_rcnn_resnet101.config"并将其放置为：./ model / model / faster_rcnn_resnet101.config .

  • 我在.config文件中进行了以下更改：fine_tune_checkpoint：model_path / model.ckpt，input_path = ./object_detection/data/pascal_train.record,label_map_path:./object_detection/data/pascal_label_map.pbtxt，类似于eval_input_reader .

  • 现在，如果我使用以下命令训练模型：python3 object_detection / train.py --pipeline_config_path = . / object_detection / data / faster_rcnn_resnet101.config --train_dir = . / model / train_logs，它会抛出此错误：

信息：tensorflow：开始会话 .

INFO：tensorflow：将检查点保存到路径./model/train_logs/model.ckpt INFO：tensorflow：启动队列 .

INFO：tensorflow：向协调员报告错误：，〜/ Documents / Projects / models / object_detection / data / pascal_train.record

[[Node：parallel_read / ReaderReadV2_2 = ReaderReadV2 [_device =“/ job：localhost / replica：0 / task：0 / cpu：0”]（parallel_read / TFRecordReaderV2_2，parallel_read / filenames）]]

INFO：tensorflow：global_step / sec：0 2017-08-29 11：41：59.852783：W tensorflow / core / framework / op_kernel.cc：1192]超出范围：FIFOQueue'_5_prefetch_queue'关闭且元素不足（请求1 ，当前大小0）[[Node：prefetch_queue_Dequeue = QueueDequeueV2component_types = [DT_INT32，DT_FLOAT，DT_INT32，DT_BOOL，DT_INT32，DT_BOOL，DT_INT32，DT_INT32，DT_STRING，DT_FLOAT，DT_FLOAT，DT_INT3 2，DT_INT64，DT_STRING，DT_INT32，DT_INT32，DT_INT32，DT_INT64 ，DT_INT32，DT_INT64，DT_STRING，DT_INT32]，timeout_ms = -1，_device =“/ job：localhost / replica：0 / task：0 / cpu：0”]] 2017-08-29 11：41：59.852819：W tensorflow /core/framework/op_kernel.cc:1192]超出范围：FIFOQueue'_5_prefetch_queue'关闭且元素不足（请求1，当前大小为0）[[Node：prefetch_queue_Dequeue = QueueDequeueV2component_types = [DT_INT32，DT_FLOAT，DT_INT32，DT_BOOL， DT_INT32，DT_BOOL，DT_INT32，DT_INT32，DT_STRING，DT_FLOAT，DT_FLOAT，DT_INT3 2，DT_INT64，DT_STRING，DT_INT32，DT_INT32，DT_INT32， DT_INT64，DT_INT32，DT_INT64，DT_STRING，DT_INT32]，timeout_ms = -1，_device =“/ job：localhost / replica：0 / task：0 / cpu：0”] 2017-08-29 11：41：59.852797：W tensorflow / core / framework / op_kernel.cc：1192]超出范围：FIFOQueue'_5_prefetch_queue'关闭且元素不足（请求1，当前大小为0） . . . .

[[Node：prefetch_queue_Dequeue = QueueDequeueV2component_types = [DT_INT32，DT_FLOAT，DT_INT32，DT_BOOL，DT_INT32，DT_BOOL，DT_INT32，DT_INT32，DT_STRING，DT_FLOAT，DT_FLOAT，DT_INT32，DT_INT64，DT_STRING，DT_INT32，DT_INT32，DT_INT32，DT_INT64，DT_INT32，DT_INT64，DT_STRING ，DT_INT32]，timeout_ms = -1，_device =“/ job：localhost / replica：0 / task：0 / cpu：0”]] 2017-08-29 11：42：00.353191：W tensorflow / core / framework / op_kernel .cc：1192]超出范围：FIFOQueue'_5_prefetch_queue'关闭且元素不足（请求1，当前大小0）[[Node：prefetch_queue_Dequeue = QueueDequeueV2component_types = [DT_INT32，DT_FLOAT，DT_INT32，DT_BOOL，DT_INT32，DT_BOOL，DT_INT32， DT_INT32，DT_STRING，DT_FLOAT，DT_FLOAT，DT_INT32，DT_INT64，DT_STRING，DT_INT32，DT_INT32，DT_INT32，DT_INT64，DT_INT32，DT_INT64，DT_STRING，DT_INT32]，timeout_ms = -1，_device =“/ job：localhost / replica：0 / task： 0 / cpu：0“]] 2017-08-29 11：42：00.353105：W tensorflow / core / framework / op_kernel.cc：1192]超出范围：FIFOQueue'_5_prefet ch_queue'关闭且元素不足（请求1，当前大小0）[[Node：prefetch_queue_Dequeue = QueueDequeueV2component_types = [DT_INT32，DT_FLOAT，DT_INT32，DT_BOOL，DT_INT32，DT_BOOL，DT_INT32，DT_INT32，DT_STRING，DT_FLOAT，DT_FLOAT，DT_INT32，DT_INT64 ，DT_STRING，DT_INT32，DT_INT32，DT_INT32，DT_INT64，DT_INT32，DT_INT64，DT_STRING，DT_INT32]，timeout_ms = -1，_device =“/ job：localhost / replica：0 / task：0 / cpu：0”]]

信息：tensorflow：捕获OutOfRangeError . 停止训练 .

信息：tensorflow：完成培训！将模型保存到磁盘 .

回溯（最近一次调用最后一次）：文件“object_detection / train.py”，第199行，在tf.app.run（）中

文件“/home/skulhare/.local/lib/python3.5/site-packages/tensorflow/python/platform/app.py”，第48行，在运行中

_sys.exit(main(_sys.argv[:1] + flags_passthrough))

文件“object_detection / train.py”，第195行，主要

worker_job_name, is_chief, FLAGS.train_dir)

文件“/ home / skulhare / Documents / Projects / models / object_detection

/trainer.py“，第296行，在火车上

saver=saver)

火车上的“/home/skulhare/.local/lib/python3.5/site-packages/tensorflow/contrib/slim/python/slim/learning.py”，第767行

sv.stop(threads, close_summary_writer=True)

文件“/home/skulhare/.local/lib/python3.5/site-packages/tensorflow/python/training/supervisor.py”，第792行，在stop stop_grace_period_secs = self._stop_grace_secs）

文件“/home/skulhare/.local/lib/python3.5/site-packages/tensorflow/python/training/coordinator.py”，第389行，加入six.reraise（* self._exc_info_to_raise）

文件“/home/skulhare/.local/lib/python3.5/site-packages/six.py”，第686行，重新加注值文件“/home/skulhare/.local/lib/python3.5/site- packages / tensorflow / python / training / queue_runner_impl.py“，第238行，在_run中

enqueue_callable()

文件“/home/skulhare/.local/lib/python3.5/site-packages/tensorflow/python/client/session.py”，第1235行，在_single_operation_run中target_list_as_strings，status，None）

文件"/usr/lib/python3.5/contextlib.py"，第66行，在 exit 下（self.gen）文件"/home/skulhare/.local/lib/python3.5/site-packages/tensorflow/python/framework/errors_impl.py"，第466行，在raise_exception_on_not_ok_status pywrap_tensorflow.TF_GetCode（status））

tensorflow.python.framework.errors_impl.NotFoundError：〜/ Documents / Projects / models / object_detection / data / pascal_train.record [[Node：parallel_read / ReaderReadV2_2 = ReaderReadV2 [_device =“/ job：localhost / replica：0 / task：0 / cpu：0“]（parallel_read / TFRecordReaderV2_2，parallel_read / filenames）]]

我一直在Ubuntu 16.04上使用tensorflow 1.3.0和GTX 1080 ti . Here是faster_rcnn_resnet101.config文件的内容 .

提前致谢 .

tensorflow