用于自定义对象检测的 TensorFlow 输出答案

【问题标题】：Tensorflow Output for custom object detection用于自定义对象检测的 TensorFlow 输出
【发布时间】：2021-06-07 12:29:01
【问题描述】：

我是使用 tensorflow 的新手。为什么我在训练自定义 tensorflow 2.x 对象检测时得到这么多指标？

Use fn_output_signature instead
INFO:tensorflow:Step 100 per-step time 8.507s
I0607 17:52:10.328038 16488 model_lib_v2.py:699] Step 100 per-step time 8.507s
INFO:tensorflow:{'Loss/classification_loss': 21.313017,
 'Loss/localization_loss': 2.1917934,
 'Loss/regularization_loss': 221.82864,
 'Loss/total_loss': 245.33345,
 'learning_rate': 0.014666351}
I0607 17:52:10.349220 16488 model_lib_v2.py:700] {'Loss/classification_loss': 21.313017,
 'Loss/localization_loss': 2.1917934,
 'Loss/regularization_loss': 221.82864,
 'Loss/total_loss': 245.33345,
 'learning_rate': 0.014666351}
Use fn_output_signature instead
INFO:tensorflow:Step 100 per-step time 8.507s
I0607 17:52:10.328038 16488 model_lib_v2.py:699] Step 100 per-step time 8.507s
INFO:tensorflow:{'Loss/classification_loss': 21.313017,
 'Loss/localization_loss': 2.1917934,
 'Loss/regularization_loss': 221.82864,
 'Loss/total_loss': 245.33345,
 'learning_rate': 0.014666351}
I0607 17:52:10.349220 16488 model_lib_v2.py:700] {'Loss/classification_loss': 21.313017,
 'Loss/localization_loss': 2.1917934,
 'Loss/regularization_loss': 221.82864,
 'Loss/total_loss': 245.33345,
 'learning_rate': 0.014666351}

【问题讨论】：

标签： python tensorflow2.0 object-detection

【解决方案1】：

在直觉上，损失“引导”模型走向正确的学习轨迹。如果某项任务没有损失，那么您的模型不会因为擅长该任务而获得任何奖励，因此训练可能不会使您的模型擅长该任务。按照这种逻辑，如果您的模型需要正确处理多项事情才能成功，您可以总结每个任务的个人损失。

这就是您的日志中发生的情况：在每一步，总损失是分类损失、定位损失和正则化损失的总和。这意味着您的模型关心所有三个对象的分类、定位以及保持模型参数尽可能简单（正则化）。最小化总损失需要最小化所有这三个损失。

在实践中，您甚至可以将单个损失乘以常数，然后再将它们相加以赋予它们相对重要性，这样您的模型就会受到激励，以比其他模型多一点的乘数来优化损失：

total_loss = alpha*classification_loss + beta*localization_loss + gamma*regularization_loss

在这里，alpha、beta 和 gamma 的值将是您选择的重要性权重。

【讨论】：