问题标签 [tensorflow-slim]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
tensorflow - slim.fully_connected：使用 Tensor.shape 指定 `num_outputs`
我想用这样tf.slim.fully_connected的东西：
但是，当我这样做时，我得到一个错误：
ValueError:
num_outputs应该是 int 或 long，得到 49。
h*w*c是类型tensorflow.python.framework.tensor_shape.Dimension。
有没有办法做到这一点，事先不知道whc，而不必开始一个会话来确定它们？
python - 尝试使用未初始化的值 InceptionV3/Mixed_6d/Branch_3/Conv2d_0b_1x
我修改了 Inception V3 网络（删除了一些层模块），并创建了 6 个类训练数据，每个类 1 个图像。当我执行训练时，我得到了错误
tensorflow.python.framework.errors_impl.FailedPreconditionError: Attempting to use uninitialized value InceptionV3/Mixed_6d/Branch_3/Conv2d_0b_1x1/weights [[Node: InceptionV3/Mixed_6d/Branch_3/Conv2d_0b_1x1/weights/read = Identity[T=DT_FLOAT, _class=[” loc:/Branch_3/Conv2d_0
火车代码：
错误堆栈跟踪：
回溯（最近一次通话最后）：
文件“/home/xzy/PycharmProjects/network/train_inception.py”，第 89 行，在 train()
文件“/home/xzy/PycharmProjects/network/train_inception.py”，第 71 行，在 train()
_, train_loss = sess.run([train_op, loss], feed_dict={x: example.eval(), y_:实验室})文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py”，第 889 行，运行 run_metadata_ptr）
文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py”，第 1120 行，在 _run feed_dict_tensor、options、run_metadata）
文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py”，第 1317 行，在 _do_run 选项中，run_metadata）
_do_call raise type(e)(node_def, op, message) 中的文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py”，第 1336 行
tensorflow.python.framework.errors_impl.FailedPreconditionError: Attempting to use uninitialized value InceptionV3/Mixed_6d/Branch_3/Conv2d_0b_1x1/weights [[Node: InceptionV3/Mixed_6d/Branch_3/Conv2d_0b_1x1/weights/read = Identity[T=DT_FLOAT, _class=[” loc:@InceptionV3/Mixed_6d/Branch_3/Conv2d_0
怎么了？有人能给我一些想法吗，谢谢？
TensorFlow 版本：1.5.0-dev20171206，python 2.7，Ubuntu 16.04。
python-2.7 - reshape 的输入是一个有 89401 个值的张量，但请求的形状有 268203
重新训练时，我使用形状为 [299,299] 的图像（均为 jpeg 编码）inception_v3 network创建文件以用于训练数据。TFrecorde我只得到step=0结果，然后我得到如下错误。
tensorflow.python.framework.errors_impl.InvalidArgumentError：reshape 的输入是一个具有 89401 个值的张量，但请求的形状有 268203
[[Node: Reshape = Reshape[T=DT_UINT8, Tshape=DT_INT32, _device="/job:localhost/replica:0/task:0/device:CPU:0"](DecodeRaw, Reshape/shape)]]
89401=299x299，268023 = 299x299x3。我的创建 TFrecorde 代码是：
此外，我的班级是每班 6、32 张图像。batch_size = 32。我在训练前打印图像矩阵大小为'2680203'。输出日志为：
为什么我只得到step=0结果。然后我得到错误。堆栈跟踪是：
为什么？能不能给点思路，谢谢
tensorflow - 在 CNN 的图像管道中使用 `tf.to_float()` 或 `tf.image.convert_image_dtype()`？
我正在tf.slim使用此文件作为模板vgg_preprocessing.py修改示例。
tf.slim当我使用笔记本 ( slim_walkthrough.ipynb )中的剪辑从 TFRecord 文件中读取数据时，我得到一张颜色失真的图像。当预处理脚本使用tf.to_float()将图像张量从 更改为tf.uint8时，就会发生这种情况tf.float32。
image = tf.to_float(image)
image = tf.image.convert_image_dtype(image, dtype=tf.float32)
通过 CNN 运行后，这些差异是否重要？如果是这样，哪一个更适合Vgg16图像处理管道？如果我切换到不同的预训练模型有关系Inception吗？
这是完整的方法：
python - 将数据读入 TensorFlow 并使用 TF-slim 创建数据集
我需要从 .txt 文件中读取许多“图像”，并想用它们生成一个 tensorflow 数据集。目前，我使用 numpy.loadtxt 读取每个矩阵，并创建一个形状为 [N_matrices, height, width, N_channels] 的数组，以及一个带有每个矩阵标签的类似数组。
我通过使用从这两个数组创建一个张量流数据集
我现在想使用以下函数从该数据集创建批次（如此处所做）：
但是，这给了我以下错误：
文件“/home/.local/lib/python3.5/site-packages/tensorflow/contrib/slim/python/slim/data/dataset_data_provider.py”，第 85 行，init dataset.data_sources，
AttributeError：“TensorSliceDataset”对象没有属性“data_sources”
为什么我会收到此错误，我该如何解决？我还认为有更好的方法来处理从 txt 文件到 tensorflow（或 tensorflow-slim）的输入，但我发现这方面的信息很少。如何以更好的方式生成我的数据集？
python - 如何在重新训练时初始化 tensorflow.contrib.slim 完全连接层的权重和偏差？
在保存并训练了张量流图之后，我将其恢复为使用不同的损失函数进行重新训练，如下所示：
当我尝试left_output_val通过调用来计算 的值时，上面的代码给出了以下错误sess.run。
这让我有点惊讶，因为：
我使用以下行初始化了所有变量：
这可能是因为未按照此处的建议使用此行初始化权重和偏差：Uninitialized value error while using Adadelta optimizer in Tensorflow
我在以下几行中初始化权重和偏差：
在运行会话和计算
left_output_val
我很欣赏在这里解决我的问题的任何想法。
tensorflow-slim - Tensorflow Object_detection API 的可视化不起作用
当我使用Object_detection的API时，我按照说明进行操作，一切都很好。但是，当我开始测试我的图片时，我遇到了一个问题，似乎名为“visualize_boxes_and_labels_on_image_array”的函数（在57行）没有'不工作。这是我的源代码
当我运行此代码时，图像确实显示了，但没有任何改变，图片中没有检测到区域，也没有其他信息。输入图片与输出图片相同。但是当我在 Debug 时，我发现 soucres 、 classes 、 box 等变量确实有值。
有人可以帮助我吗？谢谢！！！
我的 Tensorflow 版本是 1.4.0 ， CUDA 8.0 在 Ubuntu 16.04
tensorflow - 如何在 tensorflow tfrecords 中增加数据？
我使用 tfrecords 存储数据，并使用 API 将它们作为张量读取Dataset，然后使用EstimatorAPI 执行训练。现在，我想对数据集中的每个项目进行在线数据增强，但尝试了一段时间后，我找不到出路。我想要随机翻转、随机旋转等机械手。
我正在按照本教程中给出的说明使用自定义估计器，这是我的 CNN，但我不确定数据增强步骤发生在哪里。
tensorflow - 如何在 tensorflow 中的自定义操作/层之后添加 slim.batch_norm？
我有一个旨在构建架构的功能
所以，我的功能是
我对吗？我可以is_training像上面的函数那样设置吗？如果没有，你能帮我解决吗？
tensorflow-slim - tf.contrib.slim.prefetch_queue 在 tensorflow 中做了什么
我看到了一个使用 tensorflow 训练 cifar10 数据的例子： https ://github.com/tensorflow/models/tree/master/tutorials/image/cifar10
该代码使用 tf.train.batch 从多个单个图像生成一批图像，并使用 prefetch_queue 创建一个批处理队列。我知道当训练数据很大时，有必要使用队列来预取数据。我猜 tf.train.batch 在内部维护一个队列（因为它有一个容量参数）。由于 tf.train.battch 中已经维护了一个批处理队列，是否有必要使用 tf.contrib.slim.prefetch_queue 创建另一个队列？tf.contrib.slim.prefetch_queue 到底做了什么？
cifar-10 示例代码的关键部分如下所示：