Tensorflow object_detection保存和加载微调模型的正确方法

Question

我正在使用colabs教程中的这示例对模型进行微调，经过培训后，我希望使用以下方法保存模型并在本地计算机上加载：

ckpt_manager = tf.train.CheckpointManager(ckpt, directory="test_data/checkpoint/", max_to_keep=5)
...
...
print('Done fine-tuning!')

ckpt_manager.save()
print('Checkpoint saved!')

但是在我的本地计算机上恢复之后，使用检查点文件不会检测到任何对象(分数太低)。

我也试过了

tf.saved_model.save(detection_model, '/content/new_model/')

然后装上这个：

detection_model = tf.saved_model.load('/saved_model_20201226/')

input_tensor = tf.convert_to_tensor(image, dtype=tf.float32)
detections = detection_model(input_tensor)

告诉我以下错误: TypeError：'_UserObject‘对象不可调用

保存和加载优化模型的正确方法是什么？

编辑1: --它正在等待保存新的管道配置，在那之后终于起作用了！这是我的回答：

# Save new pipeline config
new_pipeline_proto = config_util.create_pipeline_proto_from_configs(configs)
config_util.save_pipeline_config(new_pipeline_proto, '/content/new_config')
exported_ckpt = tf.compat.v2.train.Checkpoint(model=detection_model)
ckpt_manager = tf.train.CheckpointManager(
exported_ckpt, directory="test_data/checkpoint/", max_to_keep=5)
...
...
print('Done fine-tuning!')

ckpt_manager.save()
print('Checkpoint saved!')

Answer 1

它正在等待保存新的管道配置，在此之后，终于起作用了！这是我的回答：

# Save new pipeline config
new_pipeline_proto = config_util.create_pipeline_proto_from_configs(configs)
config_util.save_pipeline_config(new_pipeline_proto, '/content/new_config')

exported_ckpt = tf.compat.v2.train.Checkpoint(model=detection_model)
ckpt_manager = tf.train.CheckpointManager(
exported_ckpt, directory="test_data/checkpoint/", max_to_keep=5)
...
...
print('Done fine-tuning!')

ckpt_manager.save()
print('Checkpoint saved!')