我想使用 Dense V-Net 架构实现迁移学习。当我在寻找如何做到这一点时,我发现这个功能目前正在开发中(如何在 NiftyNet 中实现迁移学习?)。
虽然从那个答案很明显没有直接的方法来实现它,但我试图:
1) 创建密集 V-Net
2) 从 .ckpt 文件中恢复权重
3)自己实现迁移学习
要执行第 1 步,我想我可以使用 niftynet.network.dense_vnet 模块。因此,我尝试了以下方法:
checkpoint = '/path_to_ckpt/model.ckpt-3000.index'
x = tf.placeholder(dtype=tf.float32, shape=[None,1,144,144,144])
architecture_parameters = dict(
use_bdo=False,
use_prior=False,
use_dense_connections=True,
use_coords=False)
hyperparameters = dict(
prior_size=12,
n_dense_channels=(4, 8, 16),
n_seg_channels=(12, 24, 24),
n_input_channels=(24, 24, 24),
dilation_rates=([1] * 5, [1] * 10, [1] * 10),
final_kernel=3,
augmentation_scale=0)
model_instance = DenseVNet(num_classes=9,hyperparameters=hyperparameters,
architecture_parameters=architecture_parameters)
model_net = DenseVNet.layer_op(model_instance, x)
但是,我收到以下错误:
TypeError: Failed to convert object of type <type 'list'> to Tensor. Contents: [None, 1, 72, 72, 24]. Consider casting elements to a supported type.
所以,问题是:
有什么方法可以实现吗?