【发布时间】：2020-07-23 23:54:13
【问题描述】：
我正在尝试将 TensorFlow 2 对象检测 API 与用于多类的自定义数据集一起使用来训练 SSD，我以文档提供的示例为基础：https://github.com/tensorflow/models/blob/master/research/object_detection/colab_tutorials/eager_few_shot_od_training_tf2_colab.ipynb 我目前的问题是当我开始微调时：
InvalidArgumentError: paddings 的第一个维度必须是排名 输入[2,2] [6] [Op:Pad]
这似乎与 train_step_fn 上的 model.provide_groundtruth 部分有关，正如我提到的，我从 TensorFlow 记录中获取数据，我将其映射到数据集并使用 padded_batches(tf.data.TFRecordDataset) 将其分成批次似乎这是用图像提供训练的正确方法，但现在我的问题是groundtruth，因为现在这也转换为批次[batch_size，num_detections，coordinate_bbox]，这是问题吗？关于如何解决这个问题的任何想法。 谢谢
附：我尝试使用修改后的 pipeline.config 文件的版本并像过去使用 TensorFlow 1 一样运行 model_main_tf2.py，但这种方法有问题。
【问题讨论】：
-
只是为了与大家分享这解决了我的问题是我设法将数据正确拆分为图像和基本事实，但我从未将我的标签转换为一个热矢量编码。
标签： tensorflow tensorflow2.0 tensorflow-model-garden