Python TF如何知道要微调的对象

我试图用我自己注释的大约400幅图像来改进mobilenet_v2对船只的检测，但当我冻结图形时，会继续得到一个不合适的模型（检测是随机的，实际上似乎不是检测，而是随机地放置一个推断）。我执行了20000步，损失了2.3

我想知道TF是如何知道我用我的自定义标签地图训练它的

身份证号码：1

名称：“船”

与mscoco标签地图中的船（ID为9）相同

或者，通过使用ID 1，我是否在训练模特们关于一个人是一艘船的想法

---

提前感谢您的建议。

模型与您提供的类别标签（编号）配合使用。字符串“boat”只是为了便于阅读输出而进行的翻译

如果您有一个模型已经学会将一组40个图像识别为class

9

，那么给它一个与您坚持的class

1

非常相似的图像将使其混淆。这样做会促使模型提高

9

船和新

1

船之间差异的重要性。如果没有显著差异，那么权重的变化将发现您不关心的意外特征

---

结果是模型的效率大大降低。

所以我设法解决了这个问题

---

我们从头开始创建注释工具，无论我尝试执行多少步骤或各种修复，每次训练都会导致拟合不良的问题是在创建边界框时，没有检查xmin和ymin坐标是否小于xmax和ymax我没有检查意识到这将是一个很大的问题，但在创建一个非常简单的检查以确保坐标正确后，培训顺利进行。

感谢您的回复，但我使用400个船图像，使用包含：name:“m/019jd”，ID:9，display_name:“boat”的标签地图，培训了25000个步骤。根据mscoco标签图，它没有检测到任何东西，在一个3分钟的船只视频中，它没有显示任何推断；这个

1

的ID是从哪里进入你的流程的？当运行训练管道时，你需要通过标签地图，我如下：然而，他不是在微调，而是添加了一个新的参数（mac&cheese），而我希望改进预先训练的mobilenet v2对船只的检测。好的；我将不得不把这个留给有时间阅读场外资料的人。