跑TDD-net遇到的一些坑

1、tensorflow不要用requirement里的2.5.1，一定要用1。因为不兼容，尝试过debug一下午都没法。

2、cudnn、gcc、tensorflow、cuda这四者严格按照相关兼容性进行搭配！具体可参考我的另外一篇文章

TDD-net跑实验_HITSZ阿星的博客-CSDN博客

3、不仅要修改作者Readme里的checkpoint，还要修改cfgs.py文件里的一些目录。

4、如果跑完实验发现没结果，很可能是没加载成功pcb_30000model.ckpt导致的，具体来说要么是checkpoint地址错，要么是cfgs里地址错

就我而言，我是cfgs文件里

具体来说，在build_whole_network.py里

checkpoint_path = tf.train.latest_checkpoint(os.path.join(cfgs.TRAINED_CKPT, cfgs.VERSION)

cfgs.TRAINED_CKPT = rootpath + /output/trained_weights
cfgs.VERSION = FPN_Res101_0117_OHEM

#也就是说，cfgs.py里的VERSION定义决定了模型加载目录

因此需要在trained_weights里新建文件夹 FPN_Res101_0117_OHEM,然后把那些checkpoint、pcb_30000model.ckpt文件丢进去，然后记得修改checkpoint指向！

5、inference、train、test、eval是几个不同的过程

拿作者readme来说，inference是单纯推理过程，拿训练好的模型去检测输入的图片，输出是检测结果（只是图片），不需要输入annotation，也没有所谓的精度结果。

而eval和test有点类似，输入图片（如果像COCO数据集细分了测试集，需要把目录设置为测试集）和annotation，然后进行测试精度，输出的有检测结果（图片），也有各种精度指标。

因此不要拿inference的结果去评估精度，而是要拿数据集里待测试的测试集去eval