在学校的一个项目中，我的老师想让我做一个可以检测苹果和烂苹果的模型。虽然我做了很多努力，但我还是自己做了一个，但对他来说还不够好。现在我面临的问题是，我不能比我已经做的模型更好。
Google Colab总是在大约4/5个小时后断开我的运行时，这意味着我不能再训练它了，因为笔记本只下载验证模型，没有（至少对我来说没有）可见的选项来使用已经验证的自定义模型。（我用这个为我已经验证的模型：https://colab.research.google.com/github/EdjeElectronics/TensorFlow-Lite-Object-Detection-on-Android-and-Raspberry-Pi/blob/master/Train_TFLite2_Object_Detction_Model.ipynb）
我也试过使用不同的notebook，来自roboflow（https://colab.research.google.com/drive/1qXn9q6m5ug7EWJsJov6mHaotHhCUY-wG?usp=sharing&ref=blog.roboflow.com），也是使用开源数据集，但我甚至不能开始训练它，因为我一直得到错误。除了这个之外，大多数都是可变的：
# use TF 1.x for Object Detection APIs as they are not ported to TF 2.0 yet
%tensorflow_version 1.x字符串
我无法解决它，最终放弃了。
所以我不能让我的模型训练超过5个小时，而一个拥有更大数据集的不同笔记本电脑就不想工作了。
我的老师希望我继续努力，不要放弃这个项目.
1条答案
按热度按时间qco9c6ql1#
Kaggle笔记本提供了更长的训练时间和更好的资源，所以你可以尝试在开始时训练更多的epoch。
此外，你说你只使用开源数据集。我假设你想在边缘设备（TFlite等）上运行它，并且使用你用来运行推理的同一个相机收集训练数据可能会提高性能。你也可以尝试更大，更强大的预训练模型，尽管你的任务似乎很简单，低分辨率的efficientnet应该足够了。
提供数据集的大小或实际性能等信息会有所帮助，而不是 “对他来说不够好”.