问题标签 [resnet]

我对 CNTK 很陌生。我想使用 CNTK - ResNet/Fast-R CNN 训练一组图像（以检测酒精眼镜/瓶子等物体）。

我正在尝试遵循来自 GitHub 的以下文档；然而，这似乎不是一个直接的过程。https://github.com/Microsoft/CNTK/wiki/Object-Detection-using-Fast-R-CNN

我找不到合适的文档来为不同大小和形状的图像生成 ROI。以及如何根据训练好的模型创建对象标签？有人可以指出我可以在cntk模型上工作的正确文档或培训链接吗？请参阅附件图像，其中我能够在脚本中加载具有默认 ROI 的示例图像。如何正确设置图像中对象的大小和标签？提前致谢！

为训练加载的示例图像

在Resnet 论文中，作者在表 6 的标题中说“运行 5 次”以报告一些结果。它是如何完成的？是训练模型 5 次，还是使用同一组模型参数测试 5 次？

我正在尝试创建一个图像分类器，该分类器利用 slim 文档中提供的预训练 ResNet V2 模型。

这是到目前为止的代码：

问题是我不断收到此错误：

所以似乎 TF/Slim 无法找到任何变量，当我打电话时，这一点很清楚：

因为它输出一个空数组。

如何使用预训练模型？

如何构建 152 层的 resnet 并提取倒数第​​二个隐藏层的图像特征。

现在我得到了一个预训练的 ResNet 152 层模型http://download.tensorflow.org/models/resnet_v1_152_2016_08_28.tar.gz 我只是想用这个 152 层模型来提取图像特征，现在我想提取倒数第二个隐藏层的图像特征（正如代码中所示）。

1. 主要问题是如何构建 152 层的 ResNet 模型？（我只看到设置 n = 18 然后 resnet 是 110 层。）。或者如何构建 50 层的 ResNet 模型？

2. 我提取倒数第​​二个隐藏层的图像特征码对吗？

   /li>

我是深度学习的初学者，最近尝试实现 34 层残差神经网络。我用 CIFAR-10 图像训练了神经网络，但测试准确率没有预期的那么高，大约 65%，如下图所示。

测试精度

基本上，我实现残差块的方式如下：

对于没有维数增加的残差块，如以下示例：

对于尺寸增加的块，如下所示：

我使用学习率为 0.001 的 AdamOptimizer 对来自 CIFAR-10 的所有 50000 张训练图像进行了训练，并使用这 10000 张测试图像进​​行了测试。在图中，训练将近 1000 个 epoch，每个 epoch 有 500 个批次（每批次 100 张图像）。在每个 epoch 之前，我将所有 50000 张训练图像打乱。同样，在很长一段时间内，测试准确率几乎保持在 65% 左右。

完整的代码可以在https://github.com/freegyp/my-implementation-of-ResNet-in-Tensorflow找到。我的实施有什么问题吗？我期待着任何改进我的实施的建议。

我试图微调 Keras 中的现有模型以对我自己的数据集进行分类。到目前为止，我已经尝试了以下代码（取自 Keras 文档：https ://keras.io/applications/ ），其中 Inception V3 在一组新的类上进行了微调。

谁能指导我在上面的代码中应该做哪些更改，以便微调 Keras 中存在的 ResNet50 模型。

提前致谢。

我正在使用 Inception-ResNet-v2 预训练版本对图像进行分类。为此，我需要人类可读的类标签。我在以下站点中找到了一个：https ://gist.github.com/yrevar/942d3a0ac09ec9e5eb3a 。

但是，当我尝试使用图像验证这些标签时，我发现它没有映射到正确的标签。一个这样的例子是我试图对“熊猫”图像进行分类 - 它匹配的类标签是：“barracouta，snoek”，得分 - 0.927924 和“大熊猫，熊猫，熊猫熊，浣熊，Ailuropoda melanoleuca”得分 - 0.001053。

请为我提供一个来源，我可以在其中找到该模型的类标签到人类可读文本的正确映射。

我有一个图像分类应用程序，有 6 个类，图像大小为 128x64x3。我使用 ResNet 20 模型进行训练，错误率约为 2%。然而，在同一组火车图像上的评估结果超过 20%。评估使用带有 onEvaluateAnColorImage 函数的 nuget CNTK.CPUOnly/2.0。问题是：

1. ResNet 是否可以在 CPUOnly 模式下进行评估？该模型是在 GPU 上进行训练的。
2. ResNet 需要平均文件吗？我看到一些具有平均文件的模型，而有些则没有。
3. 有什么特殊原因可能导致训练和评估结果不同吗？

在此先感谢，特里

我是 CNN 的新手，我想训练 resnet，这是我的代码：

我得到了错误：

我不熟悉 CNN，因此我不知道如何调整我的网络。我想我需要先尝试理解它，但由于某种原因，我没有太多时间。有没有人可以帮助我？

我有 2287 行，每行有 908*908 浮点数。我想使用 2000 行作为训练数据，其余数据作为测试数据。

我使用https://www.tensorflow.org/performance/quantization#how_can_you_quantize_your_models对 inception-resnet-v2 模型进行了量化。冻结图的大小（量化输入）为 224.6 MB，量化图为 58.6 MB。我对某些数据集进行了准确度测试，其中，对于冻结图，准确度为 97.4%，而对于量化图，准确度为 0%。

是否有不同的方法来量化 inception-resnet 版本的模型？或者，对于 inception-resnet 模型，根本不支持量化？