tensorflow - Estimator 的 model_fn 包含 params 参数，但 params 不会传递给 Estimator

Question

我正在尝试在本地运行对象检测 API。

我相信我已经按照 TensorFlow Object Detection API 中的描述设置了所有内容。但是，当我尝试运行 model_main.py 时，会显示此警告并且模型无法训练。 (我真的无法判断模型是否正在训练，因为该过程没有终止，但没有进一步的日志出现)

WARNING:tensorflow:Estimator's model_fn (.model_fn at 0x0000024BDBB3D158>) includes params argument, but params are not passed to Estimator.

我传入的代码是:

python tensorflow-models/research/object_detection/model_main.py \
--model_dir=training \
--pipeline_config_path=ssd_mobilenet_v1_coco.config \
--checkpoint_dir=ssd_mobilenet_v1_coco_2017_11_17/model.ckpt \
--num_tain_steps=2000 \
--num_eval_steps=200 \
--alsologtostderr

什么可能导致此警告？

为什么代码看起来卡住了？

请帮忙!

Answer 1

我也遇到了同样的问题，发现这个警告与模型不工作的问题无关。我可以让模型像这个警告显示的那样工作。

我的错误是我误解了running_locally.md文件中的那一行

“${MODEL_DIR} 指向将写入训练检查点和事件的目录”

我将 MODEL_DIR 更改为 {project directory}/models/model其中目录的结构是:

+data
  -label_map file
  -train TFRecord file
  -eval TFRecord file
+models
  + model
    -pipeline config file
    +train
    +eval

它奏效了。希望这可以帮助你。

编辑:虽然这可能有效，但在这种情况下 model_dir不包含任何已保存的检查点文件，如果您在保存一些检查点文件后停止训练并再次重新启动，训练仍然会被跳过。 doc指定 推荐 目录结构，但不必与 tfrecord 的所有路径结构相同，可以在配置文件中配置预训练的检查点。

实际原因是当 model_dir包含已经到达 NUM_TRAIN_STEP 的检查点文件，脚本将假定训练已完成并退出。删除检查点文件并重新启动训练将起作用。