问题标签 [tensorflow-slim]

slim.learning.train(...) 接受与保存模型（save_interval_secs）或保存摘要（save_summaries_secs）有关的两个参数。这个 API 的问题是，它只允许根据一些“时间间隔”保存模型/摘要，但我需要根据训练的“每一步”来执行此操作。

如何使用 TF-slim api 实现这一点。？

这是 slim.learning train api -

我正在训练colaboratory有时会失去与服务器的连接。在 90 分钟不活动后，VM 也将重置。

我想tf.train.Saver.save()用回调覆盖，以便我可以按时间或步骤间隔将检查点复制到我的 Google Cloud Storage 帐户。

见：https ://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/training/saver.py

但是当我运行时出现错误slim.learning.train(saver=callback_saver)

错误：

``

isinstance(callback_saver, tf_saver.Saver)==True如果我使用saver=tf_saver.Saver()它可以正常工作。

我想扩展这个脚本，以便它能够评估每个类的 top-k 精度。我希望归结为在以下代码片段中添加一个指标：

我已经按照这个评论添加了混淆矩阵，它允许我计算 top1 类内的准确度。但是，我不确定如何获得 top-k 值，因为我找不到合适的苗条指标。

澄清：

• 我不是在寻找平均 top-k 准确度，而是在寻找每个类别的值。
• 我能够使用基本张量来实现所需的计算，但我是苗条界面的新手，不知道如何使用上述脚本来完成。

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？

对于 CNN 训练，输入图像通道的确切顺序可能因库而异，甚至因模型而异。对于 Caffe，通常期望输入图像是 BGR 顺序，而在 Tensorflow 中，顺序可以是任意的。

那么有没有人知道 Tensorflow slim 库的 ResNet_V2 预训练模型是按什么顺序（BGR 或 RGB）训练的？它在文件中写道：

我检查了这个链接中的脚本：https ://github.com/tensorflow/models/blob/master/research/slim/datasets/build_imagenet_data.py ，它说图像是用RGB编码的。但是我仍然不确定 ResNet_V2 是按什么顺序训练的？

有没有人对这个问题有类似的困惑？感谢您的任何反馈！

我正在研究 Tensorflow Slim Resnet_v2 模型。我的 tensorflow 版本是（1.4.0），python 版本是（3.5.4）。我正在使用 2 个标签作为输出进行图像分类。我正在使用 tensorflow Slim resnet_v2 模型进行此分类。当我尝试运行以下代码时

我收到以下错误。

我交叉检查了 tensorflow slim 源代码 ( https://github.com/tensorflow/models/blob/master/research/slim/nets/resnet_v2.py ) 和第 159 行表明 spatial_squeeze 可用。我不知道为什么我不能使用这个论点。这可能是因为 tensorflow 版本吗？如果是这样，请告诉我应该使用哪个版本。

我在自定义数据集上重新训练了 TF-Slim 实现的 MobileNet。这工作正常，但现在我想冻结图表，以便我可以将模型部署到应用程序。现在的问题是，我真的不知道哪些是输入和输出节点名称。我已经检查了图表，但我没有找到任何东西。我已经搜索并尝试了输入和输出节点名称的多种可能性，但没有一种可行。

我正在使用的 MobileNet TF-Slim 版本：链接到模型

我还尝试了从 1.0.0 到 1.5.0 的所有 Tensorflow 版本，但没有人为可能的输入和输出名称工作。

我想用 TensorFlow slim 重新训练一个预训练的 ResNet-50 模型，然后将其用于分类目的。

ResNet-50 设计为 1000 个类，但我只想要 10 个类（土地覆盖类型）作为输出。

首先，我尝试只为一张图像编码，稍后我可以概括。所以这是我的代码：

我对接下来会发生什么有点困惑（我应该打开一个图表，或者我应该加载网络结构并加载权重，或者加载批次。图像形状也有问题。有很多多功能文档，不容易解释：/

任何建议如何更正代码以符合我的目的？

测试图像：AnnualCrop735

如本期

tensorflow 的流式召回和精度并不意味着它们应该意味着什么

从这里的这个例子修改

结果就像

为什么 streaming_recall 和 streaming_precision 都是 99%，而准确率和 top 1 召回率是 66%。

某些事情与我们所知道的召回率和精度的已知含义严重不同 。为什么准确率与recall_1 相同，为什么recall 和recall_1 不同？

问题是如何更新 slimeval_image_classifier.py以使其计算非布尔值的 streaming_recall 和 streaming_precision 以及 f1 分数？

我正在使用 Tensorflow 对象检测 API 并使用预训练的 ssd-mobilenet 模型。有没有办法为每个 bbox 提取移动网络的最后一个全局池作为特征向量？我找不到保存此信息的操作的名称。

我已经能够根据 github 上的示例提取检测标签和 bbox：