如何继续使用Tensorflow对象检测API培训对象检测模型？

我用转移学习来训练一个物体检测模型。具体来说，我正在使用，并且使用，当然已经用指向我的培训和评估记录和标签的实际链接替换了占位符

我能够使用上述管道成功地在我的5000张图像（以及相应的边界框）上训练一个模型（我主要在TPU上使用Google的ML引擎，如果有关联的话）

---

现在，我准备了额外的~2000张图像，并希望继续使用这些新图像训练我的模型，而不必从头开始（训练初始模型需要~6小时的TPU时间）。我该怎么做呢？

我还没有在新的数据集上重新训练对象检测模型，但它看起来像

---

在配置文件中增加训练步骤的数量以及在tfrecord文件中添加图像应该足够了。

您有两个选项，在这两个选项中，您都需要更改新数据集的

训练输入读取器的
输入路径
：

在训练配置中指定要微调的检查点时，请指定训练模型的检查点
列车配置{
微调检查点：
微调检查点类型：“检测”
加载\u所有\u检测\u检查点\u变量：true
}

只需继续使用与先前型号相同的
model\u dir
配置（除了
train\u input\u reader
）。这样，API将创建一个图，并检查检查点是否已经存在于
model\u dir
中，并符合该图。如果是这样，它将恢复并继续训练它
编辑：fine_tune_checkpoint_type之前错误地设置为true，而它通常应为“检测”或“分类”，在这种特定情况下应为“检测”。感谢Krish的关注。
您是否只是添加了更多已表示的类的示例？是否引入了新类？如果是新类，您对管道中的num_类使用了什么值？另外，您是创建了一个新的classes.pbtxt文件还是简单地附加了新的类？
train_config{
    fine_tune_checkpoint: <path_to_your_checkpoint>
    fine_tune_checkpoint_type: "detection"
    load_all_detection_checkpoint_vars: true
}