问题标签 [tensorflow-slim]

Tensorflow .slim 库实现了 vgg，但用卷积层替换了全连接层。代码位于：

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/slim/python/slim/nets/vgg.py

例如，fc8 层实现为：

这看起来是一个非常不同的操作，权重要少得多。这是什么原因？

我是 tensorflow 的新手，目前正在研究对象检测 API。

我选择 ssd_resnet50_fpn 开始并从 tensorflow 模型动物园下载预训练模型，以使用我自己的数据集进行迁移学习，只有 1 个班级（人）。训练配置是在 pipeline.config 中定义的，该配置是从预训练模型的同一包中的配置修改而来的，我使用旧版 train.py 脚本训练了模型。

训练过程很好，损失按预期减少，并且在进行评估时（通过旧版 eval.py）导出了带有边界框的评估图像。推理很好，那些导出的图像按预期工作。

但是，我发现了一些奇怪的东西，我在同一个模型检查点上得到了不同的评估结果。当我使用相同的参数执行 eval.py 两次时，我发现来自推理的有界框在同一张图像上是不同的。

这是eval.py（coco_detection_metrics）做出的评估结果

第一次

第二次

由于我对mAP不是很了解，但两个结果略有不同。

这是评估期间导出的图像之一，左侧是第一次评估，右侧是第二次评估。

评估期间导出的图像

似乎在推理过程中模型权重发生了变化，我该如何找出问题所在？有没有我错过的配置？

我将 tensorflow 1.10.1 与 python 3.5.2 和来自https://github.com/tensorflow/models的克隆对象检测 API 一起使用，无需更改。

这是我的 pipeline.config：

感谢您的任何建议

我正在尝试识别和分组相似的图像，我遵循了本教程：https ://douglasduhaime.com/posts/identifying-similar-images-with-tensorflow.html 。

问题是我使用的是faster_rcnn_resnet_101，我发现fast-rcnn中的特征向量在SecondStageBoxPredictor之后被丢弃了。我使用https://gist.github.com/markdtw/02ece6b90e75832bd44787c03a664e8d在被丢弃之前获取向量。

feat_avg = graph.get_tensor_by_name('SecondStageBoxPredictor/AvgPool:0')

但是，当我尝试保存矢量时出现错误：

我打印了提取的特征向量来查看结果：

我是 TensorFlow 和 CV 的新手，我想做的是提取特征向量，然后使用 TSNE 聚类。我提取的特征向量到底有什么问题

我的目标是使用英特尔 OpenVINO 优化器推断 tensorflow slim 模型。使用开放的 vino 文档和幻灯片进行推理，使用tf slim 文档进行模型训练。

这是一个多类分类问题。我从头开始训练了 tf slim mobilnet_v2 模型（使用 sript train_image_classifier.py）。在测试集上对训练模型的评估给出了相对较好的结果（使用脚本 eval_image_classifier.py）：

评估/准确度[0.8017]评估/召回_5[0.9993]

但是，没有保存单个.ckpt文件（即使在 train_image_classifier.py 运行结束时有类似“model.ckpt is saved to checkpoint_dir”之类的消息），而是有 3 个文件（.ckpt-180000.data-00000-of-00001, .ckpt-180000.index, .ckpt-180000.meta）。

OpenVINO 模型优化器需要一个检查点文件。

根据文档，我使用以下参数调用mo_tf.py ：

它给出了错误（如果通过 --input_checkpoint D:/model/model.ckpt 则相同）：

错误信息很清楚，磁盘上没有这样的文件。但据我所知，大多数 tf 实用程序在后台将 .ckpt-????.meta 转换为 .ckpt。

试图打电话：

原因：

对我来说，将图形转换为 OpenVINO 中间表示的方式并不重要，只需要达到该结果即可。

非常感谢。

编辑

我设法在 tf slim 模型的冻结图上运行 OpenVINO 模型优化器。但是我仍然不知道为什么我之前的尝试（基于文档）失败了。

我正在尝试训练一个简单CNN model的图像分类方法。我正在尝试对来自 5 个不同类别的图像进行分类。但是在训练时我遇到了这个错误

TypeError：预期的二进制或 unicode 字符串，得到

详细的错误报告可以在这里找到

数据目录结构

data2/train包含 5 个目录，每个类对应 17 个不同分辨率的图像

data2/test包含 5 个目录，对应于每个类有 7 个不同分辨率的图像

完整的代码可以从这里访问

我使用tensorflow https://github.com/tensorflow/models/tree/master/research/deeplab我想应用我自己的数据增强。

TF:deeplab使用slim作为通用学习框架。

在deeplab核心 preprocess_utils 中有 deeplabs 自己的预处理增强。

我想要的只是手动（用我自己的肉眼）在预处理前后查看图像，以获得视觉反馈

我已经尝试获取张量 -> 图像 -> imshow 但它需要会话。在这一点上，我首先想问专家这是否可能，甚至是一个提示......

我直接在代码中插入的每个函数都只被调用一次......即使由于它正在预处理而以某种方式触发所有图像......

最好的jeahinator

以下是代码的简化版本，我在行时遇到错误res = input - var

变量类型

错误

我该如何解决它，任何建议都会有所帮助。

我正在使用神经网络使用 Tensorflow 进行图像分割。如果slim.batch_norm层的is_traning参数设置为 True ，

则训练阶段和推理运行正常。但是，当我使用is_training作为 false 运行会话时，这意味着（据我所知）只是通过网络推断/转发数据，结果分割图像数据为空。我相信它与 batchNorm 层有关，但我已经对此失去了理智，我就是无法让它工作。

我在 TensorFlow 中使用基于 Semantic Segmentation Suite的代码。以下是有效和失败的简化版本。

训练效果很好，网络收敛了……如果我总是将占位符net_training保持为 True，那么一切都很好。

但是我是否调用了 sess.run(model,...net_training: False)，正如您在上面的代码中看到的那样，在测试一些图像时输出结果为空。

我做错了什么伙计们？
任何帮助将不胜感激。感谢您的时间。

我正在尝试在 tf.keras 中重新实现研究论文代码，在 init 块中它被写为：

我没有在 normalizer_fn=slim.batch_norm 的 tf.keras.layer.Conv2D 参数中找到等效项。如何在 keras 中实现这一点？

我试过了：

这是否与上述 tf.contrib.slim 代码等效。由于 tf.contrib.slim 的文档有限，我真的很困惑。

在使用 TF Slim 的 train_image_classifier.py 进行训练时，我想告诉 Slim 只分配它需要的 GPU 内存，而不是分配所有内存。

如果我使用的是直接 TF 而不是 Slim，我可以这样说：

甚至只是为了限制 GPU 内存使用：

我怎样才能告诉 Slim 相同的事情？

我的理解失败是 Slim 似乎使用它自己的循环，我找不到有关配置循环的细节的文档。所以，即使有人可以向我指出优秀的 Slim 文档，那也很棒。

提前致谢！