我想用TF-Slim的回归问题使用DensNet。我的数据包含60000个jpeg图像,每个图像有37个浮动标签。我将我的数据分成了一个火车集(60%),一个验证集(20%)和一个测试集(20%)的三个不同的tfrecords文件。如何定期评估TF-Slim中模型的性能?
我需要在训练循环中评估验证集并制作一个如image的图。 在TF-Slim文档中,他们只是分别解释训练循环和评估循环。训练结束后,我可以评估验证或测试集。正如我所说,我需要在训练过程中进行评估。
我试着用slim.evaluation.evaluation_loop函数代替slim.evaluation.evaluate_once。但它没有帮助。
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)
我也尝试评估.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)
在这两种功能,他们只是阅读checkpoint_dir最新可用的检查点,显然等待下一个,生成新的关卡然而,当他们根本不执行。
我在CPU上使用Python 2.7.13和Tensorflow 1.3.0。
任何帮助将不胜感激。
谢谢。它运作良好。 – Hosein