Python Tensorflow目标检测-最佳实践

正如在我的另一个线程（）中提到的，我是机器学习新手，我必须实现一个检测交通信号灯的算法

关于Tensorflow和它的可能性，我有一大堆问题，除了堆栈溢出，我不知道去哪里问

• 为了快速入门，我下载了一个经过预培训的模型，并开始使用博世交通灯数据集对其进行培训。使用预先训练好的模型是可以的，但偶尔我想知道是否有可能修改这个模型（添加或删除一个层），或者最好在tf上使用keras以实现更好的定制可能性

• 此外，我想知道如何知道每个预先培训过的模型中pipeline.config文件中可能的配置是什么。是否有任何文档，或者我必须深入python文件才能了解它？换句话说，更改配置有意义吗

• 为了便于记录，我们使用了张力板。不幸的是，没有现成的准确度（但损失）记录-我们如何将准确度显示为附加图形

---

您应该使用配置来调整所有方面。如中所述，配置参数可以在协议缓冲区消息定义中的浏览器中找到。例如，对于模型，如果使用更快的RCNN，请查看消息的不同字段。您可以导出经过训练的模型，将其加载到常规TensorFlow脚本中，并为任何目的向其添加任何内容，但对象检测框架是由配置驱动的

---

有关指标，请查看。在消息中，有一个

metrics\u set

，您可以为不同的评估指标设置不同的值。

您应该使用配置来调整所有方面。如中所述，配置参数可以在协议缓冲区消息定义中的浏览器中找到。例如，对于模型，如果使用更快的RCNN，请查看消息的不同字段。您可以导出经过训练的模型，将其加载到常规TensorFlow脚本中，并为任何目的向其添加任何内容，但对象检测框架是由配置驱动的

---

有关指标，请查看。在消息中，有一个

指标集

，您可以为不同的评估指标设置不同的值。

请选择每篇文章只问一个问题，这样可以更轻松地搜索和回答问题。请选择每篇文章只问一个问题，这样可以更轻松地搜索和回答问题。