La implementación de YOLOv3 en TensorFlow 2.0 (yolov3-tf2) ofrece una flexibilidad significativa al permitir el entrenamiento mediante dos paradigmas distintos: el modo Eager y el modo Graph. Comprender estas diferencias es crucial para optimizar tanto el tiempo de desarrollo como el rendimiento computacional durante el entrenamiento de modelos de detección de objetos.

Análisis de los Modos de Ejecución

TensorFlow 2 introdujo la ejecución Eager por defecto para mejorar la experiencia de depuración, manteniendo la capacidad de convertir código en grafos estáticos para producción. En el repositorio de yolov3-tf2, esta selección se gestiona a través del argumento --mode en el script principal de entrenamiento:

• fit: Utiliza la API de alto nivel model.fit(), que por defecto compila el entrenamiento en un grafo estático de TensorFlow para maximizar la velocidad.
• eager_fit: Ejecuta model.fit() con el parámetro run_eagerly=True, permitiendo inspeccionar tensores paso a paso.
• eager_tf: Implementa un bucle de entrenamiento personalizado desde cero utilizando tf.GradientTape, ofreciendo control total sobre el proceso de retropropagación.

# Ejemplo de configuración de flags para la selección de modo
flags.DEFINE_enum('mode', 'fit', ['fit', 'eager_fit', 'eager_tf'],
                  'fit: entrenamiento estándar optimizado, '
                  'eager_fit: fit con ejecución inmediata, '
                  'eager_tf: ciclo personalizado con GradientTape')

Preparación del Entorno y Pesos

Para iniciar el entrenamiento, es necesario transformar los pesos originales del formato Darknet al formato de puntos de control (checkpoints) de TensorFlow. Este paso es independiente del modo de entrenamiento seleccionado:

# Transformación de arquitectura Darknet a TensorFlow
python convert.py --weights ./data/yolov3.weights --output ./checkpoints/yolov3.tf

El sistema requiere que los datos estén en formato TFRecord, los cuales pueden generarse a partir de datasets estándar como VOC o COCO utilizando las utilidades incluidas en la carpeta tools/.

Entrenamiento en Modo Eager (Personalizado)

El modo eager_tf es el preferido por investigadores y desarrolladores que necseitan modificar la lógica de pérdida (loss) o el flujo de gradientes. Permite el uso de herramientas de depuración estándar de Python (como PDB) dentro del ciclo de entrenamiento.

# Lógica simplificada de un ciclo de entrenamiento personalizado
for epoca in range(1, total_epocas + 1):
    for indice, (lote_x, lote_y) in enumerate(dataset_entrenamiento):
        with tf.GradientTape() as cinta:
            # Propagación hacia adelante
            salidas_yolo = modelo(lote_x, training=True)
            perdida_reg = tf.reduce_sum(modelo.losses)
            
            # Cálculo de pérdida por cada escala de salida
            lista_perdidas = [fn_loss(y_real, y_pred) 
                             for y_pred, y_real, fn_loss in zip(salidas_yolo, lote_y, yolo_loss)]
            perdida_total = tf.reduce_sum(lista_perdidas) + perdida_reg
        
        # Aplicación de gradientes al optimizador
        gradientes = cinta.gradient(perdida_total, modelo.trainable_variables)
        optimizador.apply_gradients(zip(gradientes, modelo.trainable_variables))

Este enfoque es ideal para experimentar con nuevas arquitecturas o funciones de coste donde la visibilidad de los datos intermedios es prioritaria.

Entrenamiento en Modo Graph (Optimizado)

El modo fit aprovecha la compilación mediante tf.function. Al transformar las operaciones de Python en un grafo de ejecución estático, TensorFlow puede aplicar optimizaciones de bajo nivel como el plegado de constantes y la paralelización de operaciones en la GPU.

Para mejorar el rendimiento en este modo, el proyecto utiliza decoradores en funciones críticas de preprocesamiento:

@tf.function
def ajustar_objetivos(y_true, tamano_rejilla, anclas):
    # Lógica de asignación de anclas optimizada para grafos
    pass

Comparativa de Rendimiento y Casos de Uso

La siguiente tabla resume las métricas observadas al entrenar con una configuración estándar (batch size 8-16):

Estrategias de Entrenamiento Avanzado

Independientemente del modo elegido, yolov3-tf2 soporta técnicas de optimización modernas:

1. Transfer Learning: Uso de --transfer para congelar capas del extractor de características (Darknet53) y entrenar solo la cabeza de detección.
2. Callbacks: En el modo fit, se pueden integrar EarlyStopping y ReduceLROnPlateau para gestionar la tasa de aprendizaje automáticamente.
3. Multi-GPU: El uso de MirroredStrategy es altamente recomendado en el modo Graph para distirbuir la carga de trabajo entre múltiples aceleradores.

Para aplicaciones en tiempo real o despliegue en entornos de producción, se recomienda realizar el entrenamiento final en modo Graph para asegurar la estabilidad del modelo exportado en formato SavedModel.