我正在使用 TensorFlow 对象检测 API 在我的自定义数据集上重新训练 COCO 预训练的 Faster RCNN Inception v2 模型，最近注意到我的几个模型 BoxClassifierLoss 在训练期间变得更糟（例如从 0.17 损失到0.38 并在 100 个 epoch 后降至 0.24（此后再次恶化或波动而没有改善）。
因此，我有兴趣冻结 BoxClassifier 以保留显然效果更好的初始权重。
我读到train.proto 中有一个“freeze_variables”参数，但我不确定要准确冻结哪些变量。
【问题讨论】：
标签： python tensorflow object-detection-api
您可以冻结存储在以下位置的model.ckpt 元（检查点文件）文件：
C:\tensorflow1\models\research\object_detection\training
这些检查点文件在训练期间经常存储，因此您可以在错误减少时检查此文件的详细信息，然后将相同的检查点冻结到最终模型。
要冻结模型，可以使用以下命令：
python export_inference_graph.py --input_type image_tensor --pipeline_config_path training/faster_rcnn_inception_v2_pets.config --trained_checkpoint_prefix training/model.ckpt-XXXX --output_directory inference_graph
其中，XXXX 是文件名model.ckpt-XXXX.meta 中的编号。
就我而言，它是model.ckpt-1970.meta、XXXX = 1970。
在following image 中检查我的文件夹结构。
【讨论】：
据我所知，Vinod 的回答与提出的问题无关。 如果要冻结模型以导出它，则可以使用 export_inference_graph。 但我知道您希望在训练期间冻结变量。
正如您自己提到的，您可以在 update_trainable_variables 或 freeze_variables 中指定变量，以便选择哪些变量将被训练，哪些不会。
本质上，这些被馈送到图表上的filter_variables 函数，以便选择要在训练中包含和排除的变量。从描述中可以看出，它期望使用正则表达式的模式。为了了解变量的名称，包括或排除它们 - 您可以检查您的图表。一种方法是使用 TensorBoard，Graph 选项卡。
另一方面，我想说这可能不是您的解决方案。在培训课程开始时，很自然地会期望高损失或损失增加。但是，如果在完整的培训课程之后，损失发生波动 - 那么您应该检查波动的幅度。如果是轻微的波动，那是自然的，如果幅度很大——那么可能是训练配置出了问题。只能通过更多信息来进一步分析出了什么问题，例如配置文件、损失图、数据示例等
【讨论】：