我正在尝试微调一个高效的检测模型。以下是我所做工作的回顾:
- download coco dataset 2014
- 使用 a script from tensorflow 转换为 tfrecord
- 从 official model zoo 下载 effectiveDet D0
- 编辑 pipeline.config(batch_size: 1、sync_replicas: false、replicas_to_aggregate: 1、fine_tune_checkpoint_type: "detection"、use_bfloat16: false)并调整路径。
- 克隆github.com/tensorflow/models.git ,
docker-compose run object_detection
。 - 容器内:
python models/research/object_detection/model_main_tf2.py \
--pipeline_config_path=efficientdet_d0_coco17_tpu-32/pipeline.config \
--model_dir=foo/model/ \
--alsologtostderr
我的问题是,如张量板中所示(即数据预处理后),对比度已达到最大(或有时未达到最大,但仍然太高),并且亮度通常太低:
我用https://github.com/sulc/tfrecord-viewer检查了tfrecords的内容,颜色很好。 我在另一台具有不同 nvidia GPU 型号的机器上尝试过,同样的问题。
知道问题出在哪里吗?谢谢!
最佳答案
这似乎是一个可视化问题,而不是一个训练问题。可以通过将归一化从(-1,1)更改为(0,1)来解决。
在代码中进行以下更改:
关于tensorflow - 训练 TF2 object_detection API 时张量板中的饱和对比度和低亮度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64082229/