问题标签 [pre-trained-model]

对于图像识别任务，可以使用预训练的卷积神经网络（如VGG或GoogLeNet）。它们通常工作得很好——但有一个假设——仅适用于 RGB 图像。我正在寻找一个好的预训练神经网络，它是在单色图像上训练的。有谁知道这样的事情？

我在 udacity 开始了 tensorflow 的课程，同时我也在网上寻找这个主题。

我想典型的用例已经很好地解决了，我可以自己实现更好的方式。换句话说，在某些地方存在针对通常情况的训练有素的模型，可以随时使用。我发现 zooModels 如果我理解得当就是我要找的东西。但我无法意识到不存在可以识别图像中数字的 ocr 模型：

图像示例

我需要训练自己的模型吗？有我不知道的存储库吗？

我正在使用 Torch7 库来实现神经网络。大多数情况下，我依赖预先训练的模型。在 Lua 中，我使用 torch.load 函数加载保存为 torch .t7 文件的模型。我对切换到 PyTorch（ http://pytorch.org ）很好奇，我阅读了文档。我找不到有关加载预训练模型的机制的任何信息。我能找到的唯一相关信息是这个页面： http: //pytorch.org/docs/torch.html

但是页面中描述的函数torch.load似乎加载了一个用pickle保存的文件。如果有人有更多关于在 PyTorch 中加载 .t7 模型的信息，请在此处分享。

最好它应该是 txt 文件而不是二进制文件。我在 300 多个维度中找到的所有预训练词嵌入。

谢谢

我目前正在使用由 Lasagne 库提供的 VGG-S 预训练卷积神经网络，来自以下链接。

我下载了 ILSVRC2012 的验证数据集以进行分类任务，但我看到文件 ILSVRC2012_devkit_t12_v2/data/ILSVRC2012_validation_ground_truth.txt 中的地面真值与 VGG-S 网络的所有输出值都不匹配（ softmax 值）。

例如：最后一张图像 ILSVRC2012_val_00050000.JPEG 很明显是一只美洲驼，vgg-s 输出标签 n°355（美洲驼），而在文件中找到的地面实况标签是 n°186（诺里奇梗）。

index-to- label与此相同。

谁能告诉我我错在哪里？谢谢您的帮助。

我正在关注Tensorflow 以获取重新训练模型的诗人指导。我已成功创建 retrained_graph.pb 和 retrained_labels.txt。虽然我使用 imagenet_comp_graph_label_strings.txt 和 tensorflow_inception_graph.pb 然后应用程序运行没有任何错误。但是使用我创建的文件然后我得到错误：

原因：java.lang.UnsupportedOperationException: Op BatchNormWithGlobalNormalization 在 GraphDef 版本 21 中不可用。它已在版本 9 中删除。使用 tf.nn.batch_normalization()。在 org.tensorflow.Graph.importGraphDef(Native Method) 在 org.tensorflow.Graph.importGraphDef(Graph.java:118) 在 org.tensorflow.Graph.importGraphDef(Graph.java:102) 在 org.tensorflow.contrib.android .TensorFlowInferenceInterface.load(TensorFlowInferenceInterface.java:402) 在 org.tensorflow.contrib.android.TensorFlowInferenceInterface.initializeTensorFlow(TensorFlowInferenceInterface.java:91) 在 org.tensorflow.demo.TensorFlowImageClass

我还尝试按照TensorFlow 指南从头开始重新训练模型，但我得到了同样的错误。我还尝试剥离图表并更改 ClassifierActivity。但我仍然得到同样的错误。

我在链接中的实现之后在 Tensorflow 中训练了一个 FCN 模型，并将完整的模型保存为检查点，现在我想将保存的模型（预训练）用于不同的问题。我试图通过将Saver中的权重指定为：

我得到的权重如下：

等等....我无法成功恢复它（直到特定层）。张量流版本：0.12r

我不明白为什么我必须调用fit()/fit_generator()函数两次才能在 Keras（版本 2.0.0）中微调 InceptionV3（或任何其他预训练模型）。该文档建议以下内容：

在一组新的类上微调 InceptionV3

为什么我们不只调用一次fit()/fit_generator()呢？一如既往，感谢您的帮助！

编辑 ：

Nassim Ben 和 David de la Iglesia 下面给出的答案都非常好。我强烈推荐 David de la Iglesia 提供的链接：迁移学习

我正在使用视频帧作为输入在 Keras+Tensorflow 中构建一个 CNN-LSTM 网络。我正在设置网络，如下所示：

一些张量属性如下：

现在我建立模型并拟合数据：

其中frame_sequence是来自一个视频的一系列视频帧：

一切似乎都到了训练步骤model.fit，我得到一个归因input_1于 InceptionV3 模型输入中占位符的错误：

我在 Keras 中的哪里输入值，input_1或者在设置网络时我哪里出错了？

更新：如果我从头开始构建我的 CNN，或者如果我使用 VGG 而不是加载 InceptionV3，则训练不会出错。例如，将 InceptionV3 替换为：

这是重现错误的最小示例。

目前我正在尝试使用预训练的 LSTM RNN 模型进行特征提取。

我偶然发现了以下使用深度神经网络进行特征提取的参考资料。然而，这是图像。 https://www.kernix.com/blog/image-classification-with-a-pre-trained-deep-neural-network_p11

以类似的方式，我想使用 LSTM RNN https://github.com/guillaume-chevalier/LSTM-Human-Activity-Recognition/？用于特征提取。代码使用 Tensorflow BasicLSTMCell 实现。

如第一个参考链接中所述，有没有办法获得像“pool_3：0”这样的层？

任何链接或参考都会有所帮助。