Tensorflow 对象检测 API 中 `train.py` 和 `model_main.py` 之间的区别答案

【问题标题】：Difference between `train.py` and `model_main.py` in Tensorflow Object Detection APITensorflow 对象检测 API 中 `train.py` 和 `model_main.py` 之间的区别
【发布时间】：2019-01-08 01:55:43
【问题描述】：

我通常只使用train.py 来使用 Tensorflow 对象检测 API 进行训练。但是，我从https://www.kaggle.com/c/rsna-pneumonia-detection-challenge/discussion/68581 中了解到，您也可以使用model_main.py 来训练您的模型并在 Tensorboard 上查看实时绘图和图像。

您如何在 Tensorboard 上准确使用 model_main.py？
train.py 和 model_main.py 有什么区别？

【问题讨论】：

标签： tensorflow object-detection-api

【解决方案1】：

在 TensorBoard 上，model_main.py 输出与 train.py 相似的图，但在 model_main.py 中，模型在评估数据集上的性能也被测量。
model_main.py 是 TensorFlow 对象检测 API 中的较新版本。它用于训练和评估模型。当使用 train.py 时，我们必须运行一个单独的评估程序（eval.py），而 model_main.py 执行两者。例如，训练代码将运行一段时间（例如 5 分钟或每 2000 步），然后停止训练并运行评估。评估完成后，将再次继续训练。然后再次重复相同的循环。

【讨论】：

【解决方案2】：

较新版本的 Tensorflow 对象检测 API 提供了 model_main.py，使用各种前置条件和预处理来训练和评估模型，其中 旧版本的 Tensorflow 对象检测 API 使用 train.py 进行训练，使用 eval.py 进行评估。

参考：https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10

【讨论】：