Python Tensorflow对象检测API：如何禁用从检查点加载

我已经创建了mobilenet v2功能提取器架构的定制变体，通过将

research/slim/nets/mobilenet/mobilenet\u v2.py中的
tensorflow/models
repo的
expansion\u大小从6更改为4

我希望能够使用对象检测API中描述的
model\u main.py
脚本来训练SSD+Mobilenet\u v2（有此更改）模型

当我这样做时，我看到以下错误，这是有意义的：

`InvalidArgumentError (see above for traceback): 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.

为解决这一问题：

我从我的
pipeline.config
中删除了
finetune\u检查点
规范
我将
object\u detection/model\u hparams.py
中的
load\u pretrained=True
更改为
load\u pretrained=False
我将
--hparams\u overrides='load\u pretrained=false'
作为命令行输入参数添加到
model\u main.py
尽管如此，我仍然看到同样的错误

为什么tensorflow仍在尝试恢复检查点。我怎么能不这样做呢？
我自己找到了解决办法。结果是，即使我已经安排它不从我的管道配置文件恢复检查点，结果是内部
tf.Estimator
对象仍然可以使用指定的
model\u dir
中的检查点；尽管
model_dir
的主要用途是作为输出目录，其中写入了输出检查点

我在网上找到了这个信息。以下是相关摘录供参考：

`model_dir：用于保存模型参数、图形等的目录。这也可用于将检查点从目录加载到估计器中，以继续训练先前保存的模型。如果是PathLike对象，则将解析路径。如果没有，则如果设置，将使用配置中的model_dir。如果两者都已设置，则它们必须相同。如果两者都为“无”，则将使用临时目录

我原来的
model\u dir
中有一个旧的检查点，它在架构上与我的自定义模型不兼容。因此，我看到了错误。为了解决这个问题，我只需将我的
model_dir
更改为指向一个新的空目录，它就工作了。我希望这能帮助有类似问题的人。
我自己找到了解决方案。结果是，即使我已经安排它不从我的管道配置文件恢复检查点，结果是内部
tf.Estimator
对象仍然可以使用指定的
model\u dir
中的检查点；尽管
model_dir
的主要用途是作为输出目录，其中写入了输出检查点

我在网上找到了这个信息。以下是相关摘录供参考：

`model_dir：用于保存模型参数、图形等的目录。这也可用于将检查点从目录加载到估计器中，以继续训练先前保存的模型。如果是PathLike对象，则将解析路径。如果没有，则如果设置，将使用配置中的model_dir。如果两者都已设置，则它们必须相同。如果两者都为“无”，则将使用临时目录

我原来的
model\u dir
中有一个旧的检查点，它在架构上与我的自定义模型不兼容。因此，我看到了错误。为了解决这个问题，我只需将我的
model_dir
更改为指向一个新的空目录，它就工作了。我希望这能帮助有类似问题的人