Tensorflow 端口模型从 1.x 到 2.x
Tensorflow port model from 1.x to 2.x
这是一个基本问题。
目前我正在使用一种可用的 1.x 模型进行对象检测。
为此，我正在用我自己的数据重新训练这个模型，并且可以检测到我想要的对象。
我想将我的所有逻辑移植到 2.x 版本，以便使用新发布的工具将模型转换为 TFLite。
修改代码为2.0后是否需要重新训练参考模型（例如coco）的权重？
或者只重新训练我的自定义数据？
如果是，是否有任何建议可以毫不费力地做到这一点？
感谢您的建议
对所有用户来说幸运的是，tensorflow 有很多文档，tensorflow 的开发人员认为您会问这个问题，因此已经为您解答了。 This post 应该可以帮助您将模型从 1.x 完美迁移到 2.x。
快速总结一下，如果您使用的是像 keras 这样的高级 API，那基本上是没有用的。如果您想利用 tensorflow 2 中的性能改进，或者如果您不使用上述高级 API，则可能需要更多工作。
你的网络的权重通常不需要重新训练，除非你想明显地改变你的模型。如果你只想使用相同的模型，但在 tensorflow 2 中，上面的 link 应该可以帮助你将代码转移到 tensorflow 2，你不必重新训练模型的权重。
这是一个基本问题。
目前我正在使用一种可用的 1.x 模型进行对象检测。 为此，我正在用我自己的数据重新训练这个模型，并且可以检测到我想要的对象。
我想将我的所有逻辑移植到 2.x 版本，以便使用新发布的工具将模型转换为 TFLite。
修改代码为2.0后是否需要重新训练参考模型（例如coco）的权重？ 或者只重新训练我的自定义数据？
如果是，是否有任何建议可以毫不费力地做到这一点？
感谢您的建议
对所有用户来说幸运的是，tensorflow 有很多文档，tensorflow 的开发人员认为您会问这个问题，因此已经为您解答了。 This post 应该可以帮助您将模型从 1.x 完美迁移到 2.x。
快速总结一下，如果您使用的是像 keras 这样的高级 API，那基本上是没有用的。如果您想利用 tensorflow 2 中的性能改进，或者如果您不使用上述高级 API，则可能需要更多工作。
你的网络的权重通常不需要重新训练，除非你想明显地改变你的模型。如果你只想使用相同的模型，但在 tensorflow 2 中，上面的 link 应该可以帮助你将代码转移到 tensorflow 2，你不必重新训练模型的权重。