问题标签 [pre-trained-model]

我想将不同预训练模型的不同部分使用/组合成一个模型。例如，我想使用 ResNet 的前几层（具有预训练的权重）作为编码器，然后将它们与来自另一个模型的解码器结合起来，然后我想进一步训练。有没有办法，最好不使用TF-slim？我正在使用 TensorFlow 1.4。

我从https://github.com/lovish1234/YOLOv1获得了 Yolo v1 代码（如果添加此链接有许可证问题，请联系我）

据我所知，与 Yolo v1 论文不同，该代码不包含 dropout。同样根据原始论文，他们在第一个连接层之后添加了一个 rate=0.5 的 dropout 层，以防止层之间的共同适应。

所以我将代码更改为

我期待一个积极的结果。但是添加 dropout 后的训练会降低它的功能。有些甚至没有显示框，而对于那些显示的框，框是错误的，并且信心较低。

我找不到我得到这些结果的原因。（我的猜测是经过训练的模型在某处包含 dropout，或者在预训练模型中添加 dropout 层会降低其功能。）

这是我必须做的一个重要项目。但我是 TensorFlow 的新手。如果这是一个简单的问题，请原谅我。另外，如果有人知道答案，请告诉我。谢谢你。

我在自己的数据集上使用了 Tensor Flow 的再训练示例。最终测试评估输出最终测试准确度和错误分类图像的名称：

我怎样才能打印与所有类的预测相关的概率？

例如：

图像1 - A：0.5；乙：0.3；C：0.1；D：0.1

图像2 - A：0.3；乙：0.2；C: 0:4; D：0.1

我正在遵循TensorFlow Retraining for Poets 的说明。GPU 利用率似乎很低，因此我retrain.py按照Using GPU中的说明对脚本进行了检测。日志验证 TF 图是在 GPU 上构建的。我正在为大量的课程和图像进行再培训。 请帮我调整 TF 和再训练脚本中的参数以利用 GPU。

我知道这个问题，我应该减少批量大小。这个脚本的“批量大小”由什么构成并不明显。我有 60 个类和 1MM 训练图像。首先制作 1MM 的瓶颈文件。那部分是 CPU 和慢，我明白这一点。然后它以 4,000 个步骤进行训练，在该步骤中每次拍摄 100 张图像。这是批次吗？如果我减少每一步的图像数量，GPU 利用率会上升吗？

您的帮助将不胜感激！

我在 virtualenv 上安装并运行了 tf 1.8。我正在运行一个训练管道，该管道从 tfhub 加载 inception v3 并重新训练 softmax（与花朵示例几乎相同的工作流程（https://www.tensorflow.org/tutorials/image_retraining）。Tensorflow 集线器也安装在同一虚拟环境

这是我得到的错误。

任何人都遇到过类似的问题或对如何解决这个问题有任何指导？

当我尝试在本地机器（Mac OS X El Capitan）上加载模型时，我使用谷歌合作实验室的 Keras 训练并下载了模型（CNN），我收到以下错误。

我尝试通过将后端从 Theano 更改为 TensorFlow 来加载模型，但仍然遇到相同的错误。

我正在考虑使用 TensorRT 转换一个预训练的对象检测模型，以便在我的 NVIDIA Jetson TX2 上进行尝试，但我发现的每个模型都有 TensorRT 尚不支持的层。到目前为止，我尝试了使用 MobileNet 和 Faster R-CNN 的 SSD，但它们都具有 TensorRT 不支持的 Identity 等操作，而且我找不到许多其他 TensorFlow 模型。

谢谢

我最近按照这个教程来训练我自己的图像分类器

https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/?utm_campaign=chrome_series_machinelearning_063016&utm_source=gdev&utm_medium=yt-desc#0

对于那些不知道它的人，允许对 MobileNet 网络进行再训练，拥有自己的自定义图像/类别。我已经使用 tensorflow 对自己的图像进行了成功的训练网络，但现在想更进一步。

我现在想为输入到模型中的图像生成类激活图 (CAM)。我已经读过你需要你的卷积神经网络有一个全局平均池化层才能让 CAM 工作，我认为 MoblieNet 网络没有。是否可以从我已经训练过的网络生成 CAM，或者我需要使用 VGG16 等不同的网络重新训练？

如果可能的话，有人可以为我指出如何生成 CAM 的正确方向吗？如果没有，有人可以指出我正确的方向，如何用我自己的图像重新训练一个不同的网络，这将允许 CAM 以及如何在这些网络上创建 CAM？

对不起，这个问题的含糊性质。我绝不熟悉和/或受过计算机科学方面的培训，但有兴趣了解更多信息。您的帮助将不胜感激。如果需要，请与我联系以进一步询问我的问题。希望早日收到你的消息。

谢谢！

我在 MobileNet 上重新训练了一个图像分类器模型，我有这些文件。

此外，我使用 toco 压缩重新训练的模型以将模型转换为.lite格式，但我需要它的.tflite格式。无论如何我可以从现有文件中获取 tflite 格式吗？

我是 tensorflow 的新手，我已经被困了好几天了。现在我有以下预训练模型（4 个文件）：

我可以在新文件 test.py 中成功将此模型恢复为默认图形：

上面的脚本运行良好，因为 test.py 独立于 train.py。所以我这样得到的图只是默认的。

但是，我不知道如何将此预训练模型集成到现有图形中，即将张量“输出”传递到新网络（python 代码，而不是恢复的图形）中，如下所示：

但是，当我将张量 output1 传递给 slim.conv2d() 时出现错误。消息是：

ValueError：Tensor("InceptionResnetV1/Conv2d_1a_3x3/BatchNorm/AssignMovingAvg:0".shape=(32,).dtype=float32_ref) 不是这个图的元素

人们通常如何处理这个问题（从 .meta 恢复图并将其输出张量连接到当前默认图的输入）？

我在网上搜索，发现与我的问题类似的东西（即连接两个不同图 tensorflow 的输入和输出张量）。但我觉得还是很不一样的。

此外，还有一些类似的方法可以恢复“.ckpt”文件，但我认为它们仍然不是我想要的。

任何意见和指导将不胜感激。谢谢。