问题标签 [resnet]

我需要获得一些关于深度神经网络的知识。

对于“ResNet”非常深的神经网络，我们可以使用迁移学习来训练模型。但是 Resnet 已经在 ImageNet 数据集上进行了训练。因此，它们的预训练权重可用于使用另一个数据集训练模型。（例如，使用 CT 肺部图像训练肺癌检测模型）

我觉得这种方法不准确，因为预训练的权重已经完全训练过其他对象，但没有使用医学数据。

是否可以从头开始训练 resnet，而不是迁移学习？（但可用于训练 resnet 的图像数量约为 1500）。有没有可能用普通电脑做。

有人可以与我分享您的宝贵想法吗

需要启动一个对象检测项目。任何人都可以建议具有更好准确性和速度的更好的框架。我已经阅读了有关 imagenet、resnet、mobilenet、yolo、tensorflow 和 dlib 功能的信息。任何人都可以对它们进行比较并提出更好的选择。

因此，我正在对每个类别中包含 250 个图像的小型数据集进行二值图像分类，我使用Resnet50作为基础网络架构的迁移学习，并在其上添加了 2 个隐藏层和一个最终输出层，经过 20 次训练时代，我所看到的是损失在初始时代突然增加，我无法理解其背后的原因。

网络架构-

我正在使用带有默认参数的binary_crossentropy，Adam

损失-

准确度-

如何使用 Tensorflow 的 Python 程序和 Tensorflow 的检查点文件（从此处下载）为 Inception-ResNet-v2 制作预训练/冻结图？

下面显示了我尝试过的，但freeze_graph.py似乎没有找到变量。

是否缺少另一个步骤？

图表和检查点中的变量名称是否不兼容？

我正在尝试在 TensorFlow（此处为PyTorch实现）中实现本文所述的“扩张残差网络”，以在CityScapes 数据集上对其进行训练并将其用于语义图像分割。不幸的是，我在尝试训练时遇到错误，似乎无法找到解决方法。

由于这种类型的网络可以看作是 ResNet 的扩展，因此我使用了官方的 TensorFlow ResNet 模型（链接）并通过改变步幅、添加扩张（作为 tf.layers.conv2d 函数中的参数）和去除残差来修改架构连接。

为了训练这个网络，我想使用与 TensorFlow ResNet 模型中相同的方法：tf.estimator 和 input_fn（可以在本文末尾找到）。

现在，当我想用​​ CityScapes 数据集训练这个网络时，我收到以下错误：

我已经在网上搜索了这个错误，但只找到了与 Keras 相关的帖子，当时后端没有正确初始化（s. this）。

如果有人能指出我寻找错误的方向，我会很高兴。

这是我的 input_fn：

这是 input_fn 中使用的 image_parser 函数：

假设我在 MXNet 中有一个 Resnet34 预保留模型，并且我想向其中添加 API 中包含的预制 ROIPooling 层：

https://mxnet.incubator.apache.org/api/python/ndarray/ndarray.html#mxnet.ndarray.ROIPooling

如果初始化Resnet的代码如下，如何在分类器之前的Resnet特征的最后一层添加ROIPooling？

实际上，我一般如何在我的模型中使用 ROIPooling 功能？

如何在 ROIpooling 层中合并多个不同的 ROI？它们应该如何存储？应该如何更改数据迭代器以便为我提供 ROIPooling 函数所需的批处理索引？

让我们假设我将它与 VOC 2012 数据集一起用于动作识别任务

我基本上去了 CNTK 网站并提取了一些代码来获取图像的特征向量（最后一层之前的一层）。

这就是我现在所拥有的，它是一个 iPython Notebook

此时它的作用是下载模型，下载测试图像，但模型无法读取图像。

这是我得到的错误，

这是错误的屏幕截图，

我想用 tf slim 的网络预测图像。但是我得到了 inceptionv3 的随机结果。对于 resnet50，一切正常。

资源网50：

但是如果我尝试 inception_v3，它就不起作用。即使图像相同，结果也不相同。首先我想，权重没有正确加载，但一切看起来都很好。

初始v3：

你知道，我的错误在哪里吗？

我来自学术界，我可以使用 HPC 集群。现在我正在尝试在 AWS 上部署一些东西。

我正在尝试预算在标准数据集上训练一些标准神经网络的成本，以美元计，所以我知道其他训练的成本是多少。即使是粗略的估计也值得赞赏。

我知道您可以请求更快或更多组的 GPU，所以我也不知道速度与成本的分布；这里的任何见解也值得赞赏。

在 CIFAR-10 上训练 ResNet-50（或任何小型 ResNet）需要多少成本，CIFAR-10 是一个在小数据集上相对较小的网络？（例如，100 个具有合理批量大小的 epoch）

我正在用 tensorflow 训练一个网络，但结果还不够好。该模型无法泛化，因此它仅检测每个图像的几个对象（框）。

从上面看，我不确定如何确定我的网络对于我的目的是否太小/太大。目前，我使用 Resnet101，但我不知道它是否真的适合我（我想检测 5 个对象类）或者我是否应该更改为 ResNet50 或 ResNet152。

有什么方法可以正确选择。

谢谢你。