2

我正在使用 ssd_mobilenet_v1_coco.config 和

我在计划训练后添加了 13 个东西后将 num_classes 的值更改为 20

python model_main.py --alsologtostderr --model_dir=training/ --pipeline_config_path=training/ssd_mobilenet_v1_coco.config

我一直在尝试使用该命令进行学习，但出现错误。要增加 num_classes 我该怎么办？我应该从一开始就抓住 num_classes=100 并开始吗？我需要帮助。

model {
  ssd {
    num_classes: 20
    box_coder {
      faster_rcnn_box_coder {
        y_scale: 10.0
        x_scale: 10.0
        height_scale: 5.0
        width_scale: 5.0
      }


  File "/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/training/saver.py", line 1326, in restore
    err, "a mismatch between the current graph and the graph")
tensorflow.python.framework.errors_impl.InvalidArgumentError: 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. Original error:

Assign requires shapes of both tensors to match. lhs shape= [126] rhs shape= [84]
         [[node save/Assign_56 (defined at /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py:1748) ]]
4

1 回答 1

3

我最近有一个类似的问题。为了解决我的问题，我必须执行以下操作：

  • 在 pipeline.config 的train_config部分，将fine_tune_checkpoint指向上一个模型检查点。例如：`fine_tune_checkpoint: "./model/model.ckpt"
  • 在model_main.py命令调用中，使model_dir引用与上一个检查点不同的文件夹：
python research/object_detection/model_main.py \
  --model_dir=./model/finetune0 \
  --pipeline_config_path=./model/pipeline.config \
  --alsologtostderr

我的文件结构：

+ models
-+ model
--+ checkpoint
--+ model.ckpt.index
--+ model.ckpt.meta
--+ model.ckpt.data-00000-of-00001
--+ pipeline.config
--- finetune0 (will be autogenerated)

-- data (tfrecord dataset)
-- annotations (labels)
...

语境

看起来当您在model_dir已经有一个检查点时，脚本将尝试恢复对提供的模型的训练，但 pipeline.config 上的新配置与当前模型不匹配（num_class不同）。

如果您在fine_tune_checkpoint中提供此检查点并将model_dir指向一个新文件夹，它将从检查点变量构建模型，调整它以匹配新配置，然后开始训练。

于 2020-09-16T13:49:51.483 回答