问题标签 [tensorflow-model-garden]

我下载了 ssd_mobilenet_v2_mnasfpn_coco并解压，发现已经有一个tflite名为 的文件model.tflite，我想知道如何在android 应用程序中使用它，我可以用这个替换android 演示应用程序中的detect.tflite原始文件吗？object_detectionmodel.tflite

如果可以，有什么地方我也需要修改吗？

有了这个，我在 docker 容器中使用 Tensorflow 对象检测 API 在 sagemaker 上成功创建了一个培训作业。现在我想使用 sagemaker 监控培训工作，但找不到任何解释如何做到这一点的东西。我不使用 sagemaker 笔记本。我想我可以通过将日志保存到 S3 存储桶并指向本地 tensorboard 实例来做到这一点.. 但不知道如何告诉 tensorflow 对象检测 API 将日志保存在哪里（是否有任何命令行参数？）。像这样，但脚本generate_tensorboard_command.py失败，因为我的培训工作没有sagemaker_submit_directory参数..

事实是，当我开始培训工作时，我的 s3 上什么都没有创建，直到工作完成并上传所有内容。应该有一种方法告诉 tensorflow 在训练期间将日志（s3）保存在哪里，希望无需修改 API 源代码。

编辑

我终于可以让它与公认的解决方案一起工作（tensorflow本机支持读/写s3），但是还有其他步骤要做：

1. 在训练作业配置中禁用网络隔离
2. 向 docker 映像提供凭据以写入 S3 存储桶

唯一的问题是 Tensorflow 不断地轮询文件系统（即在服务模式下寻找更新的模型），这会导致对 S3 的无用请求，您将不得不付费（以及控制台中的大量错误）。为此，我在这里提出了一个新问题。至少它有效。

编辑 2

我错了，TF 只是写日志，不是轮询，所以这是一种预期的行为，额外的成本是最小的。

我发现 TensorFlow 存储库广泛使用tensorflow.python.xxAPI，但没有此类 API 的文档。例如，我发现 TF 模型花园中的许多代码都使用了tensorflow.python.keras.backendAPI，比如这里。

这些 API 的用途是什么，我应该什么时候使用这些 API。

我还发现其中一些具有等效的 API，例如tensorflow.python.keras.backendvs tensorflow.keras.backend。两个版本有什么区别？

tensorflow/models/research/deeplab 下的 deeplab 代码似乎使用的是旧版本的 tensorflow。随着新版本的 tensorflow 的推出，是否有计划迁移现有的 repo 以使用 tf2，特别是用于模型定义的 tf2.keras api？

我有一组带有地面实况检测框的图像，我想简单地通过模型动物园中的预训练模型运行它们，并获得地面实况框和预测检测之间的精度/召回率/mAP。但是我见过的所有评估方法都使用了我从未指定过的训练/验证数据，因为我使用的是预训练模型。

这似乎是一个简单的问题，但我似乎找不到答案。我该怎么做呢？

我正在使用此 colab 笔记本中的以下示例： https ://github.com/tensorflow/models/blob/master/official/colab/fine_tuning_bert.ipynb

它使用 model.save() 功能保存微调模型。

我正在尝试使用 tf.keras.models.load_model() 加载相同的模型，但出现以下错误：

有人可以告诉我我做错了什么，或者我是否应该做其他事情来加载这个模型？谢谢！

我正在使用 tensorflow 对象检测 API 来检测图像上的文本。它给了我一个很好的结果和非常好的准确性。我如何从左到右对边界框进行排序，以使文本以可读的形式出现。

默认drop_path_keep_prob为 1.0 定义在这里。但如果不小于 1.0 Drop Path，则 不会有任何贡献。drop_path_keep_prob

用于训练 Auto DeepLab 的确切值是多少？

我正在尝试将 TensorFlow 2 对象检测 API 与用于多类的自定义数据集一起使用来训练 SSD，我以文档提供的示例为基础：https ://github.com/tensorflow/models/blob/master/ research/object_detection/colab_tutorials/eager_few_shot_od_training_tf2_colab.ipynb 我目前的问题是当我开始微调时：

InvalidArgumentError: paddings的第一维必须是inputs[2,2] [6] [Op:Pad]的等级

这似乎与 train_step_fn 上的 model.provide_groundtruth 部分有关，正如我提到的，我从 TensorFlow 记录中获取数据，我将其映射到数据集并使用 padded_batches(tf.data.TFRecordDataset) 将其分成批次似乎这用图像进行训练是正确的，但现在我的问题是groundtruth，因为现在这也转换为批次[batch_size，num_detections，coordinate_bbox]，这是问题吗？关于如何解决这个问题的任何想法。谢谢

PS 我尝试使用修改后的 pipeline.config 文件的版本并像过去使用 TensorFlow 1 一样运行 model_main_tf2.py，但这种方法有问题。

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

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。