我想用TF-Slim的迴歸問題使用DensNet。我的數據包含60000個jpeg圖像,每個圖像有37個浮動標籤。我將我的數據分成了一個火車集(60%),一個驗證集(20%)和一個測試集(20%)的三個不同的tfrecords文件。如何定期評估TF-Slim中模型的性能?
我需要在訓練循環中評估驗證集並製作一個如image的圖。 在TF-Slim文檔中,他們只是分別解釋訓練循環和評估循環。訓練結束後,我可以評估驗證或測試集。正如我所說,我需要在訓練過程中進行評估。
我試着用slim.evaluation.evaluation_loop函數代替slim.evaluation.evaluate_once。但它沒有幫助。
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)
我也嘗試評估.evaluate_repeatedly以及。
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)
在這兩種功能,他們只是閱讀checkpoint_dir最新可用的檢查點,顯然等待下一個,生成新的關卡然而,當他們根本不執行。
我在CPU上使用Python 2.7.13和Tensorflow 1.3.0。
任何幫助將不勝感激。
謝謝。它運作良好。 – Hosein