Python Tensorflow目标检测API中的训练和验证精度
我一直在自己的数据集上使用Tensorflow对象检测API。训练时,训练损失会在张力板上更新。但我需要分别进行培训和验证准确性(mAP)。Python Tensorflow目标检测API中的训练和验证精度,python,object,tensorflow,detection,Python,Object,Tensorflow,Detection,我一直在自己的数据集上使用Tensorflow对象检测API。训练时,训练损失会在张力板上更新。但我需要分别进行培训和验证准确性(mAP)。 获取这些值需要采取哪些步骤?如果您正在使用keras API,通过tf.keras,您可以在model.fit函数中添加评估函数作为度量。签出所有可用指标的列表 你可能会对它感兴趣。如果它不能完全满足您的需要,您还可以实现一个自定义度量。因为您提到了代表平均精度的mAP,您需要在管道配置文件中设置度量值,并将其值设置为“coco\u detection\u
获取这些值需要采取哪些步骤?如果您正在使用keras API,通过
tf.keras
,您可以在model.fit
函数中添加评估函数作为度量。签出所有可用指标的列表
你可能会对它感兴趣。如果它不能完全满足您的需要,您还可以实现一个自定义度量。因为您提到了代表平均精度的mAP,您需要在管道配置文件中设置度量值,并将其值设置为“coco\u detection\u metrics”。您的文件应该具有以下内容:
eval_config: {
metrics_set: "coco_detection_metrics"
use_moving_averages: false
}
之后,当您连续运行eval_时,您应该在验证集中获得映射。
对于培训集,在运行
model\u main\u tf2.py
脚本时,需要设置eval\u on\u train\u data
参数。model\u main\u tf2.py脚本说明eval\u on\u train\u data
选项仅在分布式培训中可用。这是否意味着我需要多个GPU来使用该选项?