当前位置: 首页 > 知识库问答 >
问题:

TensorFlow 2.4,model_main_tf2.py,训练期间的检查点问题

黄伟
2023-03-14

我遵循Gilbert Tunner教程使用Tensorflow 2进行对象检测,但在使用model\u main\u ft2进行培训期间,我遇到了这个错误。py

Traceback(最近的调用最后):

文件"model_main_tf2.py",第113行,在tf.compat.v1.app.run()文件"C:\用户\anaconda3\envs\tenorflow 2\lib\site-包\tenorflow\python\平台\app.py",第40行,在运行_run(main=main,Argv=Argv,flags_parser=_parse_flags_tolerate_undef)文件"C:\用户\anaconda3\envs\tenorflow 2\lib\site-包\abpl\app.py",第300行,在运行_run_main(main,args)文件"C:\用户\anaconda3\envs\tenorflow 2\lib\site-包\abpl\app.py",第251行,在_run_main<--plhd--5/文件"model_main_tf2.py",第110行,在主record_summaries=FLAGS。record_summaries)文件"C:\用户\anaconda3\envs\tenorFlow 2\lib\site-包\object_detection\model_lib_v2.py",第566行,在train_loopunpad_groundtruth_tensors)文件"C:\用户\anaconda3\envs\tenorflow 2\lib\site-包\object_detection\model_lib_v2.py",第339行,load_fine_tune_checkpoint如果不是is_object_based_checkpoint(checkpoint_path):文件"C:\用户\anaconda3\envs\tenorflow 2\lib\site-包\object_detection\model_lib_v2.py",第302行,is_object_based_checkpointvar_names=[var[0]for var intf.train.list_variables(checkpoint_path)]File"C:\用户\anaconda3\envs\tenorflow 2\lib\site-包\tenorflow\python\训练\checkpoint_utils.py",第112行,在list_variables读取器=load_checkpoint(ckpt_dir_or_file)File"C:\用户\anaconda3\envs\tenorflow 2\lib\site-包\tenorflow\python\训练\checkpoint_utils.py",第67行,load_checkpoint返回py_checkpoint_reader。NewCheckpoint Reader(filename)文件"C:\用户\anaconda3\envs\tenorflow 2\lib\site-包\tenorflow\python\训练\py_checkpoint_reader.py",第99行,在NewCheckpoint Readererror_translator(e)文件"C:\用户\anaconda3\envs\tenorflow 2\lib\site-包\tenorflow\python\训练\py_checkpoint_reader.py",第35行,error_translator提高errors_impl。NotFoundError(无,无,error_message)tensorflow.python.framework.errors_impl。不成功的TensorSliceReader构造函数:未能找到任何匹配的文件C:/用户/桌面/教程/模型/研究/object_detection/efficientdet_d0_coco17_tpu-32/chechpoint/ckpt-0

我已经在目标检测文件夹中创建了efficientdet\u d0\u coco17\u tpu-32文件夹,下载并解压缩了我的模型。我已经在training文件夹中修改了模型,添加了一个检查点路径。

共有1个答案

陈项禹
2023-03-14

根据评论

错误是图像的大小超过了effilentDetd0大小请求(转述自dons21)

 类似资料:
  • 浏览训练视图 在训练期间您可利用向上/向下按钮浏览训练视图。请注意,可显示的训练视图与信息取决于您所选择的运动和您对所选运动内容的编辑。 在手表 Polar Flow 应用和网络服务中,您可添加运动内容以及针对每项运动内容进行具体设置。您可以为各项运动创建自定义训练视图,并选择训练期间想要看到的数据。有关更多信息,请参见 Flow 中的运动内容。 例如,训练视图可以显示以下信息: Your hea

  • 浏览训练视图 在训练期间您可利用向上/向下按钮浏览训练视图。请注意,可显示的训练视图与信息取决于您所选择的运动和您对所选运动内容的编辑。 在手表 Polar Flow 应用和网络服务中,您可添加运动内容以及针对每项运动内容进行具体设置。您可以为各项运动创建自定义训练视图,并选择训练期间想要看到的数据。有关更多信息,请参见 Flow 中的运动内容。 例如,训练视图可以显示以下信息: Your hea

  • 训练视图 您可以通过手腕姿势来启动显示屏并通过上下滑动显示屏来浏览训练视图.显示屏自动关闭以节约电池电量。在训练模式期间,您可以设置不关闭显示屏:通过轻触并按住触摸屏,直到您看到一个灯泡关闭图标。若要关闭此功能,请轻触并再次按住触摸屏,直到您看到一个灯泡关闭图标。 您可以看到以下训练视图。 有心率显示的训练 以当前心率区的颜色显示的当前心率。 到目前为止您的训练的时长。 当日时间。 到目前为止在训

  • 训练视图 您可以通过向上/向下按钮浏览训练视图。您可以看到以下训练视图。 有心率显示的训练 您的当前心率 到目前为止您的训练的时长。 您的当前心率 图表中的数字 130 显示 EnergyPointer 的内容, EnergyPointer 是个人化转折点,在该转折点您的训练的主要作用从燃烧脂肪转为提高健康水平。心形符号告诉您,您是在燃烧脂肪还是在提高健康水平。在图表中,该符号位于左侧,表示您正在

  • Sagemaker是培训您的模型的绝佳工具,我们通过使用AWS spot实例节省了一些资金。然而,培训工作有时会在中间停止。我们正在使用一些机制在重新启动后从最新的检查点继续。另请参见文档。 不过,您如何有效地测试这种机制?你能自己触发吗?否则,您必须等待spot实例实际重新启动。 另外,您是否需要为此使用链接的参数或?例如,估计器文档似乎为检查点建议了一些。

  • 本文向大家介绍检测20类物体,多少张训练集,怎么训练相关面试题,主要包含被问及检测20类物体,多少张训练集,怎么训练时的应答技巧和注意事项,需要的朋友参考一下 参考回答: 多分类问题,保证各类别的样例比,提取特征,用libsvm等做多分类。