Python TensorFlow对象检测API只从几个类中训练一个类

我在自己的数据集上用TF Object Detection API在几个类上运行训练过程，但是经过相当多的步骤（大约20k）后，我可以在TensorBoard的PerformanceByCategory菜单上看到，只有一个类的映射在增加，而其他类甚至没有启动

我的数据集是PascalVOC格式的，我是按照这个格式创建的。在数据准备完成后，我生成了Pascal记录，编辑了标签地图和管道配置，将所有ssd模型检查点的员工下载到Google云平台，并开始了相应的培训和评估工作

但从TensorBoard看来，数据或其他方面似乎有问题，因为我的另一个类没有发生任何事情

在使用多个类培训对象检测API时，是否有任何提示或功能

提前谢谢你的帮助

[编辑]：

所以，在尝试使用他们在教程中默认提供的PascalVOC数据集训练模型后，我注意到他们的Pascal记录比我的要大得多。我在文本编辑器中打开了它们，图像集中的每个类都有引用，但是我的记录只包含我在create_pascal_tf_records.py中指向的那个类的引用

---

我错过了什么？请帮忙

好吧，我想我已经找到了问题所在

主要的问题是我制作的图像集不正确。对于每个类，我都添加了相应的图像列表，因此在我的例子中，每个train和val文件都是不同的

由于：

有趣的是，我们目前只看 AirPlane_train.txt文件（与其他文件相同 xxx_train.txt文件），并让我们计算出每个图像的路径 训练集

由于每个文件都不同，create_pascal_tf_records.py只选择到我的第一个类的路径

---

希望这对其他人有所帮助。

num\u steps

表示程序将运行的总迭代次数。您的数据似乎有问题，请检查您的数据是否被读者正确检索。body，我该如何检查？在我创建了pascal tf记录并更改了标签映射之后，我按照voc pascal格式生成数据。看起来一切正常，在这种情况下会有什么影响？我也面临同样的问题，你能详细说明如何解决这个问题吗。我有3个类，我使用labelImg标记它们，然后创建xml的csv，然后创建我的tfrecords，总共3个类。所以，在本例中，我只有1个train-tfrecords和1个val-tfrecords。救救我@saikishor在我的案例中，故障在train和val文件中。我对每个文件都有不同的图像列表，但是我发现所有这些文件都应该有相同的图像列表。因此，例如aeroplane_train.txt、dog_train.txt、cat_train.txt和其他文件的第一列应该相同，只有第二列不同。很高兴知道！！我昨晚发现了我的问题，因为我无意中在配置文件中提到了类的数量为1，所以我看不到它。在我的例子中，我已经从这些XML创建的csv文件中创建了数据集。我发现这很容易。谢谢您的回复。@saikishor很高兴听到您解决了一个问题！祝你好运