Tensorflow 对象检测 API：如何禁用从检查点加载

Question

我通过将research/slim/nets/mobilenet/mobilenet_v2.py 的tensorflow/models 存储库中的expansion_size 从6 更改为4，创建了MobileNetV2 特征提取器架构的自定义变体。

我希望能够使用 model_main.py 脚本训练 SSD + Mobilenet_v2（进行此更改）模型，如对象检测 API 的 running_locally tutorial 中所述。

当我这样做时，我看到以下错误，这是有道理的：

`InvalidArgumentError (see above for traceback): Restoring from checkpoint failed. This is most likely due to a mismatch between the current graph and the graph from the checkpoint. Please ensure that you have not altered the graph expected based on the checkpoint.

解决这个问题：

1. 我从pipeline.config 中删除了finetune_checkpoint 规范。
2. 我在object_detection/model_hparams.py 中将load_pretrained=True 更改为load_pretrained=False。
3. 我将--hparams_overrides='load_pretrained=false' 作为命令行输入参数添加到model_main.py。

尽管如此，我仍然看到同样的错误。

为什么 tensorflow 仍在尝试恢复检查点。我怎样才能让它不这样做？

Answer 1

自己找到了解决方案。事实证明，即使我已经安排它不从我的管道配置文件中恢复检查点，但内部tf.Estimator 对象仍然可以使用指定的model_dir 中的检查点；尽管model_dir 的主要用途是作为输出目录，输出检查点被写入其中。

我在official documentation for tf.Estimator 中找到了此信息。以下是相关摘录供参考：

`model_dir：保存模型参数、图形等的目录。这也可用于将检查点从目录加载到估计器中，以继续训练先前保存的模型。如果是 PathLike 对象，则路径将被解析。如果设置为 None，则将使用 config 中的 model_dir。如果两者都设置，则它们必须相同。如果两者都为 None，则将使用临时目录。

我原来的model_dir 中有一个旧检查点，它在架构上与我的自定义模型不兼容。因此我看到了错误。为了解决这个问题，我只是将我的model_dir 更改为指向一个新的空目录，它就可以工作了。我希望这对有类似问题的人有所帮助。