问题描述
我知道model.config
已经通过使用类似的方式提供了它们:
data_augmentation_options {
random_adjust_contrast {
}
}
但是,我需要执行自己的数据扩充方法。以下是我用来训练探测器的当前代码:
config = tf.estimator.runconfig(model_dir=modelpath,keep_checkpoint_max=2,save_summary_steps=100/5)
train_and_eval_dict = model_lib.create_estimator_and_inputs(
run_config=config,hparams=model_hparams.create_hparams(None),pipeline_config_path=pipelinepath,train_steps=trainsteps,eval_steps=evalsteps)
estimator = train_and_eval_dict['estimator']
train_input_fn = train_and_eval_dict['train_input_fn']
eval_input_fns = train_and_eval_dict['eval_input_fns']
eval_on_train_input_fn = train_and_eval_dict['eval_on_train_input_fn']
predict_input_fn = train_and_eval_dict['predict_input_fn']
train_steps = train_and_eval_dict['train_steps']
train_spec,eval_specs = model_lib.create_train_and_eval_specs(
train_input_fn,eval_input_fns,eval_on_train_input_fn,predict_input_fn,train_steps,eval_on_train_data=False)
trainer_estimator = tf.estimator.train_and_evaluate(
estimator,train_spec,eval_specs[0])
我尝试使用类似这样的内容来阅读train_input_fn
:
iterator = train_input_fn().__iter__()
next_element = iterator.get_next()
x_next = next_element[0]
y_next = next_element[1]
x_true_image_shape = x_next.get('true_image_shape',0)
我只能获得张量,但我不知道如何读取该值,甚至不知道如何替换它们。
我的想法是:
这样做是对的,还是有其他方法可以实现这一目标?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)