如何使用Tensorflow'；s对象检测API？

我正在训练中使用

在该文件中，定义冻结层以在训练中微调模型。 我需要在微调中尝试改变冻结层

---

例如，如果我使用，我可以在哪里更改冻结层？

您当然可以这样做

通过读取用于培训的文件，有一个名为

冻结变量

的字段，这应该是一个包含所有要冻结的变量的列表，例如，在培训期间排除这些变量

假设要冻结第一个块的第一个单元中第一个瓶颈的权重，可以通过添加

freeze_variables: ["resnet_v1_50/block1/unit_1/bottleneck_v1/conv1/weights"]

因此，您的配置文件如下所示：

train_config: {
  batch_size: 1
  freeze_variables: ["resnet_v1_50/block1/unit_1/bottleneck_v1/conv1/weights"]
  ...

通过检查tensorflow图，可以验证权重实际上已冻结

如图所示，配重不再具有

列车

操作

通过为

冻结变量

选择特定的模式，您可以非常灵活地冻结变量（您可以从tensorflow图中获取图层名称）

---

顺便说一句，是实际的过滤操作

如果你冻结了一个图层，在训练期间是否应该对其进行微调？你问题的标题不是很清楚。冻结层不应在训练期间进行修改。您的意思可能是

如何使用TF OD API在培训中冻结层？

谢谢您的解释。您说过我们可以在配置文件中包含。但是在这个配置文件中

https://github.com/tensorflow/models/blob/master/research/object_detection/samples/configs/faster_rcnn_resnet50_coco.config

，没有这样的

冻结层

实现。这是我的问题，在Tensorflow中，冻结是在哪里实现的，用于

faster\u rcnn\u resnet50

。哦，我误解了这一点。但是由于proto支持它，即使示例配置不包含它，您也可以添加它。您的意思是

Tensorflow异议检测API

不会将学习转移到几个层？如果没有这样的

freeze\u变量，它将重新传输所有层：在train config文件中，是吗？不，这不是我的意思。它可以将学习转移到任何层次。如果没有
freeze_variables
，所有层的权重将在训练期间更新。@xanjay，我不知道这12的确切含义，但我认为它只是用于语法。如果您查看train.proto，您将看到通常默认值是以[default=…]格式提供的<代码>冻结变量

没有默认值。为了找出可能的值，你可以像我一样，通过查看tensorflow图。实际上，你可以冻结任何可训练变量，唯一的问题是指定确切的变量名。