问题标签 [tf-slim]

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？

我有 6 个类，我在 Tensorflow 中使用 tf-slim 来获得混淆矩阵，例如

我的问题是上表的混淆矩阵顺序是什么？如果我说列代表预测标签，而行代表真实标签，对吗？一些参考在对面说。

我有一个网络，我正在选择要实现的框架：Keras、Tf-Slim 或 Tensorflow。

我的问题是，当我们使用 Keras/Tf-slim 而不是原生 Tensorflow 时，性能（准确度）会降低吗？我发现当我们使用 Keras 时，时间可能会更短（Native TF vs Keras TF 性能比较），但是性能呢？

我正在使用 TF-Slim 从预训练模型微调我的模型。使用的时候create_train_op发现它有一个参数是variables_to_train。在某些教程中，它使用如下标志：

但是在官方的TF-Slim中，并没有使用

那么，使用和不使用有什么不同variables_to_train呢？

我写了以下代码：

运行代码时，它报告：

即使它可以启动 tf 调试器，当试图打印一个张量的值时，即 pt 命令，它也报告了错误：

处理命令时出错：“print_tensor”异常。KeyError /device:CPU:0

tf_debug 有没有可能真正支持 slim？如何解决？如果没有，在使用 tf.contrib.slim.learning.train 时，还有其他方法可以调试或打印张量的值吗？

我正在尝试微调 inception_v3 模型以减少自定义类的数量。我按照示例脚本finetune_inception_v3_on_flowers.sh重新训练模型。重新训练脚本生成的 .data、.meta 和 .index 文件列表。我还可以使用 freeze_graph 实用程序从这些检查点文件中生成 .pb 文件。

我使用以下命令冻结图形

在我尝试使用 label_image 实用程序测试我的模型之前，一切似乎都很好。重新训练的模型似乎没有输入层，label_image 实用程序给了我以下错误，

summarise_graph 输出确认相同，它的输出是，

我遇到了类似的问题，但我不太清楚建议的解决方案。我对 ML 和 tensorflow 非常陌生，我也无法对原始问题发表评论。我不确定在哪里可以添加输入层，以便可以在生成的 pb 文件上运行 label_image。非常感谢任何帮助或指示。谢谢你。

我正在查看此答案以在训练期间运行评估指标：

如何在 tf-slim 中使用evaluation_loop和train_loop

似乎压倒一切train_step_fn=train_step_fn是合理的方法。但我想运行一个验证循环，而不是评估。我的图表是这样的：

我想添加类似这样的内容，以针对网络的当前权重进行小批量验证循环

但我得到一个错误=Graph is finalized and cannot be modified.

从概念上讲，我不确定应该如何添加它。training循环需要网络的梯度、丢失和权重更新，但循环validation跳过了所有这些。Graph is finalized and cannot be modified.如果我尝试修改图表或XXX is not defined使用if is_training: else:方法，我会不断变化

我想使用https://github.com/tensorflow/models/tree/master/research/slim中的 TF-Slim 实现在 CIFAR-10 上重现 NASNet 模型的结果以用于某些基准测试。为了从头开始训练这个模型，我train_image_classifier.py按照脚本注释（第 31-37 行）中的说明在原始代码中添加了以下几行/nets/nasnet/models.py：

在第 247 行之后：

在第 536 行之后：

下载 CIFAR-10 数据并将其转换为 TFRecord 格式后，我运行：

似乎即使在 600 个 epoch（= 937500 步）之后训练仍在继续，尽管由于余弦衰减，由于学习率在 600 个 epoch 后变为 0，因此参数没有更新。运行评估脚本：

我得到以下结果：

因此，一次运行的测试误差为 4.23%，这与Learning Transferable Architectures for Scalable Image Recognition中提供的任何结果都不对应。这里有什么我遗漏的东西，阻止我匹配论文结果吗？

为什么我会收到此错误slim.fully_connected()？

ValueError: Input 0 of layer fc1 is incompatible with the layer: : expected min_ndim=2, found ndim=1. Full shape received: [32]

我的输入Tensor("batch:0", shape=(32,), dtype=float32)来自tf.train.batch()

如果我重塑输入(32,1)它的工作正常。

苗条演练中的示例似乎在没有明确重塑之后就可以工作load_batch()

我正在使用 TF-slim 来训练我自己的数据集。根据教程，在finetune_inception_v1_on_flowers.sh中，我将检查点路径设置为./inception_resnet_v2.ckpt，并在另一个文件夹中获取了很多新的检查点，最新的文件是model.ckpt-332331.data-00000-of -00001，model.ckpt-332331.index，model.ckpt-332331.meta。

现在我想将学习率更改为微调最新的检查点，但我不知道如何在finetune_inception_v1_on_flowers.sh 中加载它们，因为有3个文件而不是一个。

NotFoundError（请参阅上面的回溯）：检查点中未找到 Key InceptionResnetV2/AuxLogits/Conv2d_1b_1x1/weights/Adam [[Node: save/RestoreV2_4 = RestoreV2[dtypes=[DT_FLOAT], _device="/job:localhost/replica:0/任务：0/cpu:0"](_recv_save/Const_0，保存/RestoreV2_4/tensor_names，保存/RestoreV2_4/shape_and_slices)]]

其次，我从日志目录中删除了文件，然后错误是：

DataLossError（有关回溯，请参见上文）：无法打开表文件 /media/re/7A308F7E308F405D/xsj/checkpoints/model.ckpt-332331.data-00000-of-00001：数据丢失：不是 sstable（坏幻数）：也许您的文件是不同的文件格式，您需要使用不同的还原操作符？[[节点：save/RestoreV2_5 = RestoreV2[dtypes=[DT_FLOAT], _device="/job:localhost/replica:0/task:0/cpu:0"](_recv_save/Const_0, save/RestoreV2_5/tensor_names, save/恢复V2_5/shape_and_slices)]]

谁能帮我解决这个问题？非常感谢！