Python 使用Tensorflow API的自定义对象检测器不'；t检测训练数据

我试图通过使用单个类数据集对其进行训练，并应用迁移学习，来使用来自的

ssd\u inception\u v2\u coco

预训练模型。我对网络进行了约20k步的训练（总损失约为1），并使用检查点数据创建了推断图.pb，并将其用于检测代码中

令我惊讶的是，当我用训练数据测试网络时，图表甚至无法检测到11个案例中的1个（0/11）。我找不到这个问题。 可能的错误是什么

注意：由于内存问题，我无法同时运行train.py和eval.py。所以，我没有关于张力板精度的信息

---

有人遇到过类似的问题吗？

我遇到了非常类似的问题：使用SSD进行培训会导致相当高的损失（大约5），而运行eval并没有产生任何有意义的结果。然后我看到了，所以我开始用更快的RCNN进行训练，我得到了更好的结果。我在张力板上看到了合适的包装盒。你有11个案例是什么意思？@CiprianTomoiaga我的意思是，对于11个图像的测试案例，我有0个边界框。谢谢你的链接，这很有帮助。