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）。

---

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？