用于对象检测的Tensorboard eval.py IOU

提问于 2024-04-29T12:15:54+08:00

浏览次

1

我在张量流对象检测中使用来自检测模型动物园的ssd_mobilenet_v1_coco . 我目前正在通过运行来训练模型

python legacy/train.py --logtostderr --train_dir=trainingmobile/ --pipeline_config_path=trainingmobile/pipeline.config

我想通过运行eval.py运行评估工作来获取其他指标，如IOU和PR Curve，但我不知道该怎么做 . 我能够运行命令

python legacy/eval.py \
--logtostderr \
--checkpoint_dir= path/to/checkpoint \
--eval_dir= path/to/eval \
--pipeline_config_path= path/to/config

然后我跑了命令

tensorboard --logdir=path/to/eval

张量板仅显示测试图像输出 . 如何获得IOU和PR Curve等其他指标？

1 回答

3
首先，我强烈建议您使用较新的 model_main.py 脚本进行培训和评估 . 你可以使用它，如下所示：
```
python object_detection/model_main.py \
   --pipeline_config_path=path/to/config \
   --model_dir=path/to/train_dir \
   --num_train_steps=NUM_TRAIN_STEPS \
   --num_eval_steps=NUM_EVAL_STEPS \
   --alsologtostderr
```
它结合了培训和评估，你可以输入tensorboard
```
tensorboard -logdir=path/to/train_dir
```
Tensorboard不仅会显示培训流程，还会显示您在验证集上的进度 . 他们使用COCO指标作为默认指标！

原始问题：也许您应该将配置文件中的eval设置更改为更大的数字：
```
eval_config: {
  num_examples: 8000
  # Note: The below line limits the evaluation process to 10 evaluations.
  # Remove the below line to evaluate indefinitely.
  max_evals: 10}
```
如果您将使用 model_main.py 脚本，则将通过标志设置评估数 .

很高兴知道：在较新的 model_main.py 脚本中禁用了tnesorflow的信息输出 . 您可以通过添加启用它
```
tf.logging.set_verbosity(tf.logging.INFO)
```
在导入部分之后 .
回复于 2024-04-29T12:15:54+08:00

相关问题