tensorflow - 对象检测分类/A 检查点已恢复(例如 tf.train.Checkpoint.restore 或 tf.keras.Model.load_weights)

Question

我尝试在 colab 中使用对象检测进行分类。我正在使用“ssd_resnet101_v1_fpn_640x640_coco17_tpu-8.config”当我开始训练时出现错误。
训练=

!python model_main_tf2.py \
    --pipeline_config_path=training/ssd_resnet101_v1_fpn_640x640_coco17_tpu-8.config \
    --model_dir=training \
    --alsologtostderr

WARNING:tensorflow:A checkpoint was restored (e.g. tf.train.Checkpoint.restore or tf.keras.Model.load_weights) but not all checkpointed values were used. See above for specific issues. Use expect_partial() on the load status object, e.g. tf.train.Checkpoint.restore(...).expect_partial(), to silence these warnings, or use assert_consumed() to make the check explicit. See https://www.tensorflow.org/guide/checkpoint#loading_mechanics for details.
W1130 13:39:27.991891 140559633127296 util.py:158] A checkpoint was restored (e.g. tf.train.Checkpoint.restore or tf.keras.Model.load_weights) but not all checkpointed values were used. See above for specific issues. Use expect_partial() on the load status object, e.g. tf.train.Checkpoint.restore(...).expect_partial(), to silence these warnings, or use assert_consumed() to make the check explicit. See https://www.tensorflow.org/guide/checkpoint#loading_mechanics for details.

Answer 1

我正在处理同样的错误。我假设当您遇到上面提到的错误时，培训就停止了。如果是这样，您可能需要检查文件夹路径。
当我发现我正在尝试创建一个新模型但 TF 正在寻找一个包含我以前模型的检查点的“model_dir”文件夹时，我能够自己摆脱错误。因为我的 num_steps 不大于之前模型中使用的 num_steps，TF 有效地停止了运行训练，因为 num_steps 已经完成。
通过将 model_dir 更改为一个全新的文件夹，我能够克服这个错误并开始训练一个新模型。希望这也适用于您。