我正在尝试训练一个可以检测旋转矩形的模型。我找到了 Nvidia ODTK，但我没有发现任何迹象表明我是否可以只用一个类（类别）来训练它。默认的类别数是 80，现在我不确定它是否只适用于一个。

我正在尝试在自定义数据上训练 AllenNLP，而不是使用预训练模型进行共指解析。说明在这里，但它们非常模糊，我不确定如何进行，特别是我不知道如何修改 JSONNET 文件以指示我的训练、测试和开发 ConLL-2012 训练文件的路径。以前有没有人完成过这个？非常感谢。

我目前正在尝试使用 JTessBoxEditor 为某些特定字体训练 tesseract，但它似乎只有一个特定的字体列表来生成 box/tiff 对，其中不包括一些非常流行的默认字体，例如 times new roman 更不用说更多了晦涩的。有没有办法添加特定的字体或变通方法让 tesseract 使用 JTessBoxEditor 训练这些其他字体？

我目前正在研究国际象棋人工智能。该项目背后的想法是创建一个神经网络，该网络学习如何评估棋盘状态，然后使用蒙特卡洛树搜索遍历下一步以找到“最佳”棋步（由 NN 评估）。

GitHub 上的代码

TL;博士

NN 在预测数据集的平均评估时陷入困境，因此无法学习预测棋盘状态的评估。

执行

数据集

数据集是国际象棋游戏的集合。游戏取自官方lichess数据库。仅包含具有评估分数（NN 应该学习）的游戏。这将数据集的大小减少到原始数据的 11% 左右。

数据表示

每一步都是训练网络的数据点。NN 的输入是 12 个大小为 8x8 的数组（所谓的位板），每个数组对应 6x2 不同的块和颜色。使用缩放tanh函数将移动评估标准化为范围 [-1, 1]。由于许多评估非常接近 0 和 -1/1，因此也删除了其中的一部分，以减少数据集中的变化。

在不放弃评估接近 0 或 -1/1 的一些移动的情况下，数据集将如下所示：

删除一些后，数据集看起来像这样，并且在某一点上不太集中：

NN 的输出是介于 -1 和 1 之间的单个标量值，表示对棋盘状态的评估。-1 意味着棋盘非常受黑人玩家青睐，1 意味着棋盘非常受白人玩家青睐。

神经网络

神经网络是使用 Keras 实现的。

CNN 用于从板上提取特征，然后传递到密集网络以减少到评估。这是基于 NN AlphaGo Zero 在其实现中使用的。

CNN 实现如下：

训练

训练是使用 Keras 完成的。使用多组 50k-500k 移动来训练网络。该网络在每个移动集上训练 20 个 epoch，批大小为 64，并且 10% 的移动用于验证。

之后学习率调整为0.001 / (index + 1)。

问题

NN 目前没有学到任何东西。它在几个 epoch 内收敛到对数据集的平均评估，并且不会根据棋盘状态预测任何内容。

20 个 epoch 后的示例：

NN 评估停留在 0.03，这是数据集的近似平均评估。它也卡在那里，没有继续改善。

我试过的

• 增加和减少 NN 大小
  • 添加了多达 20 个额外的 Conv2D 层，因为谷歌在他们的实现中也这样做了
  • 删除了所有 10 个额外的 Conv2D 层，因为我读到很多 NN 对于数据集来说太复杂了
• 一次训练几天
  • 由于 NN 停留在 0.03，并且也没有从那里移动，所以这是浪费的。
• 密集NN代替CNN
  • 没有消除 NN 卡住的点，但训练得更快（又名卡住得更快:)）
• Sigmoid 激活而不是 tanh 将评估从 -1 到 1 的范围移动到 0 到 1 的范围，但除此之外并没有改变任何关于卡住的情况。
• Epochs、batchsize 和 chunksize 增加和减少所有这些变化都没有显着改变 NN 评估。
• 学习率添加
  • 较大的学习率 (0.1) 使 NN 不稳定，每次训练都会收敛到 -1、1 或 0。
  • 较小的学习率 (0.0001) 使 NN 收敛较慢，但仍停留在 0.03。

GitHub 上的代码

问题

该怎么办？是我遗漏了什么还是有错误？

在训练期间的 fastai 中，每个 epoch 都会计算验证损失和评估指标，如果我们使用 SaveModelCallback() 回调，则会保存最佳 epoch。但是，我们可以增加此过程的频率并在每 n 步后评估指标（例如，您的批量大小：32、64 等），以便更好地捕捉模型开始过度拟合的时刻。这很容易通过 BestCheckpointer 类在像detectron2 这样的repos 中使用。关于如何在 fastai 中实现这样的回调有什么想法吗？供参考，在这个论坛上讨论过，但没有产生任何解决方案

我已经使用用于一组 ConLL 文件的神经核函数包成功地训练了一个自定义模型。但是，当我从另一组添加更多内容时，我收到此错误：

best_model_ranking（我用于与神经核的共指解析的自定义模型）不存在：

你以前遇到过这个错误吗？我认为这可能是因为在某些新的 ConLL 文件中，共指之间的标记距离太长了。你有什么想法？非常感谢。

我正在尝试在自定义数据集上训练Detectron2 faster_rcnn_R_50_FPN_3x模型，在PublayNet数据集上进行预训练。在训练时，我收到以下警告：

经过进一步调查，我从这个链接发现上述警告消息是预期的，因为我的数据集与预训练模型的类数不同，并且必须跳过一些预训练的权重。

publaynet 有 5 个类{"text", "title", "list", "table", "figure"}，而我的数据集正好有这 5 个类。但不幸的是，在 publaynet 上预训练的模型有 6 个类。不是应该有5节课吗？我对这个额外的课程感到困惑，感谢任何帮助！

所以我试图在 colab 上训练一个模型，这将需要我大约 70-72 小时的持续运行时间。我有一个免费帐户，所以我经常因为过度使用或不活动而被踢，这意味着我不能将历史记录转储到 pickle 文件中。

我在回调方法中找到了 CSVLogger 并将其添加到我的回调中，如下所示。但由于某种原因，它不会创建 model_history_log.csv。我没有收到任何错误或警告。我做错了什么？我的目标是在整个训练过程中只保存准确性和损失

另外，由于我在每个时期都保存了模型，模型是否保存了这些信息？到目前为止我还没有发现任何东西，我怀疑它是否可以节省准确性、损失、val 准确性等

我正在尝试在 MaskRCNN 上训练一个对象分类器，我正在遵循的教程使用 VGG 标签软件，其中将标记的数据转换为一个 JSON 文件。我已经为我的数据使用了 labelme，并且需要为 MaskRCNN 准备它。

Labelme 以这种格式为每个标记图像提供一个 JSON 文件：

我有一个图像目录和相应的 JSON 文件，关于如何组合的任何帮助。无法让 labelme_json_to_dataset 工作，我相信这是解决方案？

我正在远程服务器上使用 TensorFlow 训练深度学习模型。问题是我一次只分配了 2 个小时的培训，并且服务器可能由于各种原因在任何时候崩溃。

我知道我的模型训练至少需要 48 小时才能完成。我希望能够在模型完全训练（48 小时以上）后显示从开始到结束的训练曲线，中间没有中断。

我可以使用回调（保存最佳权重）选择训练最后一次崩溃时的位置，但我不确定如何通过训练曲线（损失 + 准确性）来实现这一点。

非常感谢您的帮助。