问题标签 [resnet]

我有3节课。（50k 用于训练，12k 用于验证）通过使用预训练的 vgg16 和 resnet50，并冻结模型并仅在顶部训练密集层，我达到了 99% 的验证准确率。我应该通过解冻层来微调以改进功能，还是应该按原样使用这些功能？另外，vgg16 是比 Resnet50 更好的特征提取器还是我应该使用 Resnet 的特征？谢谢！

我正在使用 tensorflow slim 加载预训练模型，如 vgg 和 resnet-50。因此对于 vgg ， tf-slim 提供了一种加载 RGB 平均值的方法，例如：

我找不到与 resnets 类似的东西。还没有实施吗？我也知道一些像 py-torch 这样的库为每个模型提供了全局平均值。tf-slim 也是这样吗？

我是cntk和python的新手。我创建了一个基于 TrainResNet_CIFAR10.py 的 python 程序来训练 4736 个（64x64x3）图像并测试 4 个类的 2180 个图像。训练 160 个 epoch 后，我得到 loss = 0.663 和 metric = 29.37%。完成评估指标 = 18.94%。当我基于 CNTKLibraryCSEvalExamples.cs 评估训练模型以测试 2180 幅图像时，几乎所有 2180 幅都归为一类（第二类）。我的问题是：

1. 我假设损失是从 cross_entropy_with_softmax(z, label_var) 计算出来的，度量标准是使用分类错误(z, label_var)。我是否正确，它们实际上是如何确定的？
2. 指标 = 29.37% 和评估指标 = 18.94% 是什么意思？它们分别来自训练和测试图像吗？
3. 什么可能导致完全错误的评估结果？

任何帮助将不胜感激。

我在 tensorflow-slim 中使用 ResNet-50 模型来提取特征。我的问题是，在输入图像之前，我是否需要根据一些标准的 ResNets-50 平均值将图像居中？我知道对于 vgg-19 tf-slim 提供了使用中 _mean_image_subtraction(image, means)定义的居中选项vgg_preprocessing.py。但我找不到 ResNets 的任何此类文件或函数。

我正在使用 keras 应用程序通过 resnet 50 和 inception v3 进行迁移学习，但是在预测时总是得到[[ 0.]]

以下代码用于二进制分类问题。我也尝试过 vgg19 和 vgg16 但它们工作正常，它只是 resnet 和 inception。数据集是 50/50 拆分。而且我只是更改model = applications.resnet50.ResNet50每个模型的代码行。

下面是代码：

注意这model_final.evaluate_generator(validation_generator, nb_validation_samples)提供了一个预期的准确度，比如 80%，它只是预测总是 0。

只是觉得奇怪的是 vgg19 和 vgg16 工作正常，但 resnet50 和 inception 却不行。这些模型是否需要其他东西才能工作？

任何见解都会很棒。

提前致谢。

我正在研究 mask r-cnn。我想知道如何在 mask-rcnn 中使用 resnet50 预训练我的图像（刀、沙发、婴儿、.....）。我很难在 github 中找到它，但我不能。请任何知道如何处理它的人帮助我。

我是深度学习和 Keras 的新手。当用于在 Keras 中定义模型时，预训练权重初始化 weights='imagenet' 是什么意思？

谢谢！

我正在尝试使用 pycaffe 创建 resnet 的 train.protxt ，但出现此错误：

文件“/data/hjy1312/Downloads/caffe-master/python/caffe/net_spec.py”，第 140 行，在 _to_proto
inp._to_proto(layers, names, autonames)
文件“/data/hjy1312/Downloads/caffe-master/ python/caffe/net_spec.py”，第 97 行，在 _to_proto
返回 self.fn._to_proto(layers, names, autonames)
文件“/data/hjy1312/Downloads/caffe-master/python/caffe/net_spec.py”，行162，在_to_proto中
assign_proto(layer, k, v)
文件“/data/hjy1312/Downloads/caffe-master/python/caffe/net_spec.py”，第64行，在assign_proto中
is_repeated_field = hasattr(getattr(proto, name), 'extend')
AttributeError: 'LayerParameter' 对象没有属性 'num_output'

设置断点并运行我的代码后，我发现我的代码错误是这一行：

但是我不知道to_proto有什么问题，有人可以帮助我吗？

非常感谢！

我已经在 imagenet 数据集上预训练了 CNN（RESNET18），现在我想要的是从特定层获取输入图像的输出，

例如。

我的输入图像是，FloatTensor(3, 224, 336)我在我的 resnet 模型中发送了一批size = 10，现在我想要的是 model.layer4 返回的输出，

现在我尝试的是out = model.layer4(Variable(input))，但它给了我输入尺寸不匹配错误（如预期），这是返回的确切错误

RuntimeError：需要输入维度 4 和 input.size[1] == 64，但输入的形状为：[10 x 3 x 224 x 336]，位于 /Users/soumith/miniconda2/conda-bld/pytorch_1501999754274/work/火炬/lib/THNN/generic/SpatialConvolutionMM.c:47

所以我很困惑，现在如何继续获得我的 layer4 输出

PS：我的最终任务是将layer4输出和全连接层输出结合在一起（CNN中的Tweeking，一种门控CNN），所以如果有人对这种情况有任何见解，请告诉我，也许我的上述方法不正确

我正在尝试使用 keras 微调 resnet 50。当我冻结 resnet50 中的所有图层时，一切正常。但是，我想冻结一些 resnet50 层，而不是全部。但是当我这样做时，我得到了一些错误。这是我的代码：

错误如下：

谁能给我一些关于我应该用 resnet50 冻结多少层的帮助？