TF-Slimの回帰問題にDensNetを使用しようとしています。私のデータには、各画像の37枚のフロートラベルを含む60000枚のJPEG画像が含まれています。列車セット(60%)、検証セット(20%)、テストセット(20%)の3つの異なるtfrecordsファイルにデータを分割しました。TF-Slimのモデルのパフォーマンスを定期的に評価する方法は?
トレーニングループ中に検証セットを評価し、imageのようなプロットを作成する必要があります。 TF-Slimのドキュメントでは、列車と評価のループを別々に説明しています。トレーニング終了後に検証やテストセットを評価することができます。私が言ったように、私は訓練中に評価する必要があります。
slim.evaluation.evaluate_onceの代わりにslim.evaluation.evaluation_loop関数を使用しようとしました。しかし、それは助けにはならない。
slim.evaluation.evaluation_loop(
master=FLAGS.master,
checkpoint_dir=checkpoint_path,
logdir=FLAGS.eval_dir,
num_evals=num_batches,
eval_op=list(names_to_updates.values()) + print_ops,
variables_to_restore=variables_to_restore,
summary_op = tf.summary.merge(summary_ops),
eval_interval_secs = eval_interval_secs)
私はevaluation.evaluate_repeatedlyも試みました。これらの機能の両方で
from tensorflow.contrib.training.python.training import evaluation
evaluation.evaluate_repeatedly(
master=FLAGS.master,
checkpoint_dir=checkpoint_path,
eval_ops=list(names_to_updates.values()) + print_ops,
eval_interval_secs = eval_interval_secs)
、彼らは新しいチェックポイントが発生したときしかし、彼らはまったく機能しない、ちょうどcheckpoint_dirから入手可能な最新のチェックポイントを読んで、明らかに次のものを待っています。
私はCPU上でPython 2.7.13とTensorflow 1.3.0を使用します。
ご協力いただければ幸いです。
ありがとうございました。それはうまくいく。 – Hosein