在一个学校项目中，我的老师希望我制作一个可以检测苹果和烂苹果的模型。尽管我费了很大的劲，还是自己做了一个，但对他来说效果还不够好。现在我面临的问题是我无法比现有的更好地改进我的模型。
Google Colab 总是在大约 4/5 小时后断开我的运行时间，这意味着我无法对其进行更多训练，因为笔记本只下载现有模型，没有（至少对我来说）没有可见的选项来使用已经存在的自定义模型。 （我将这个用于我已经存在的模型：https://colab.research.google.com/github/EdjeElectronics/TensorFlow-Lite-Object-Detection-on-Android-and-Raspberry-Pi/blob/master/ Train_TFLite2_Object_Detection_Model.ipynb）
我还尝试使用 roboflow (https://colab.research.google.com/drive/1qXn9q6m5ug7EWJsJov6mHaotHhCUY-wG?usp=sharing&ref=blog.roboflow.com) 的不同笔记本，也使用开源数据集，但我什至无法训练它，因为我不断出错。除了这个之外，大多数都是可以修复的：
# use TF 1.x for Object Detection APIs as they are not ported to TF 2.0 yet
%tensorflow_version 1.x
我无法解决，最终放弃了。
所以我不能让我的模型训练超过 5 个小时，而具有更大数据集的不同笔记本根本不想工作。
我的老师希望我继续前进，不要放弃这个项目......那么有人可以以任何方式帮助我吗？因为坦率地说，我正在失去理智试图让它发挥作用。
Kaggle 笔记本提供更长的训练时间和更好的资源，因此您可以尝试在此基础上训练更多的 epoch。
你的问题没有说清楚。 “没有（至少对我来说）没有可见的选项来使用已经存在的自定义模型” - 看起来您已经尝试通过第一个教程微调efficientnet/mobilenet，但不清楚什么“已经存在的自定义模型型号”指的是。
此外，您说您只使用开源数据集。我假设您想在边缘设备（TFlite 等）上运行它，并且使用用于运行推理的同一相机收集训练数据可能会提高性能。您还可以尝试更大、更强大的预训练模型，尽管您的任务看起来很简单并且低分辨率的高效网络应该足够了。
提供数据集大小或实际性能等信息会很有帮助，而不是“对他来说效果不够好”...