Python 如何在不使用tf记录的情况下训练tf对象检测api模型
我想使用tf对象检测api训练mobilenet ssd v2模型 要使用此api,必须将数据集转换为tf记录,并在配置文件中写入其路径 每当我查找它时,我都会找到包含tf记录的答案,一个tf记录包含整个数据集,或者多个文件包含数据集的各个部分(但idk如何使培训在每个历元使用数据集的所有部分)Python 如何在不使用tf记录的情况下训练tf对象检测api模型,python,tensorflow,object-detection-api,Python,Tensorflow,Object Detection Api,我想使用tf对象检测api训练mobilenet ssd v2模型 要使用此api,必须将数据集转换为tf记录,并在配置文件中写入其路径 每当我查找它时,我都会找到包含tf记录的答案,一个tf记录包含整个数据集,或者多个文件包含数据集的各个部分(但idk如何使培训在每个历元使用数据集的所有部分) 如何在不将整个数据集加载到内存中的情况下训练模型 有没有一种不使用TFR记录的训练方法 如果我将整个数据集转换为tfrecords,我将有15 GB的重复空间,或者有没有办法不加载整个tf记录,一次加
如何在不将整个数据集加载到内存中的情况下训练模型 有没有一种不使用TFR记录的训练方法
如果我将整个数据集转换为tfrecords,我将有15 GB的重复空间,或者有没有办法不加载整个tf记录,一次加载它的碎片,但仍然在整个数据集上循环。使用tfrecord不会将整个数据集加载到内存中。。如果保留碎片的TFOD API tfrecord符号(即…-00000-of-000100),则可以在培训配置文件中定义以获取所有碎片