问题标签 [imagenet]

我使用 slim 定义的 Inception V3 模型来预测自己的图像。模型变量从检查点文件中恢复。当我运行它时，我发现没有使用 GPU。我已经设置tf.device('/gpu:0')了，但它不起作用。所以，我很困惑为什么训练/重新训练模型可以在 GPU 上工作，但评估不能？我只是按照 inception_eval.py 中的代码进行操作。 在此处输入图像描述

我有两个关于如何加载 Imagenet 数据的问题。我下载了 ILSVRC2012 验证集（因为训练集太大）但我有两个问题。

1. 我不明白我怎样才能找到标签。只有 jpeg 文件的文件名为“ ILSVRC2012_val_00000001.JPEG”，但没有标签。我怎样才能找到它们？

2. 据我所知，Imagenet 使用 224 * 224 像素的图像，问题只是“分类”而不是“检测”，但 ILSVRC2012 集有更多不同的像素大小。那么，我怎样才能获得 224 * 224 像素的正确框？

当我运行bazel-bin/inception/download_and_preprocess_imagenet "${DATA_DIR}"错误消息时：

有人可以告诉我我做错了什么吗？我按照此处的说明进行操作

我关注了这个 repo ( https://github.com/iamgroot42/keras-finetuning )，我已经完成了培训。

现在，我想预测我自己的数据集（包含 2 个类，鳄梨和芒果）和 ImageNet 集的输入图像。但预测结果总是返回索引 0 或 1（我猜是鳄梨或芒果），从不返回 ImageNet 中的类。例如，我想预测来自 ImageNet 原始类的 iPod 图像，但 model.predict(...) 总是返回 0 和 1。

我的模型标签.json：

我的预测代码：

有人可以帮助我吗？

当我尝试在图像列表上循环运行 Google 的 Inception 模型时，在大约 100 张左右的图像之后出现以下问题。它似乎内存不足。我在 CPU 上运行。有没有其他人遇到过这个问题？

https://github.com/tensorflow/models/tree/master/inception

我有一个关于更改网络输出层的问题（AlexNet/GoogleNet/ImageNet）。所以标准输出是一个 1x1000 的向量，所以每个类都有一个值。

我知道我可以将输出更改为例如 5，所以如果我只有 5 个类，我会得到 1x5 向量。

但是如果我没有课怎么办？是否可以将输出更改为 18x18 之类的矩阵。因为我的网络应该输出密度图而不是“类”。是否建议使用预先训练的网络来完成我的任务，还是应该从头开始训练？

谢谢您的帮助 ：-）

我正在尝试在我的 RPi3 上重新训练 inceptionV3。我收到此直方图错误消息。

读完这篇文章后我试着换衣服merged = tf.merge_all_summaries()， 但没有用。retrain.py

此外，我第一次尝试重新训练时，在遇到错误之前，我在第 0 步得到了不同的结果：

迄今为止的笔记本：笔记本

我正在尝试重塑标准Keras VGG16模型以用于经典的猫对狗比赛（Kaggle Cats vs Dogs）

我不得不重新创建 Keras 模型的pop()和add()函数Sequential()来删除最后Dense(1000)一层并用 layer 替换它Dense(2)。

但是，当我尝试使用该fit_generator()功能时，出现以下错误：

听起来我的模型仍然期望输出 1000 个类别而不是 2 个。这是为什么呢？

模型摘要如下：

该.add()函数将model.built变量设置为 False，所以我想知道它是否与此有关。如果是，我如何“构建”模型？任何帮助是极大的赞赏。

当我将 ImageNet 数据集转换为 lmdb 时，convert_imageset 将暂停，不再处理图像数据。您能告诉我如何解决这个问题吗？我已经尝试了很多次。我检查了日志。每次处理的图像数量都不同。

我正在尝试在 Imagenet 上训练和验证网络。验证过程没有任何问题（使用预训练的权重）。但是，当我尝试进行训练时，出现imagenet_mean.binaryproto找不到文件的错误；用于验证过程的相同文件。怎么了？

这是我正在使用的 prototxt：