问题标签 [tf-slim]

我正在自学 TensorFlow，目前正在tensorflow/models/slimrepo 中尝试不同的图像分类模型。按照那里的教程，我已经微调了一个预训练的inception_v2_resnet模型，并正在尝试对其进行评估。我想知道是否有任何简单的方法来修改eval_image_classifier.py脚本以打印它正在分类的图像的标签？这将有助于调整此脚本以与测试集一起使用。

从 tfslim 库中获得的权重是 ckpt 的形式。是否可以将权重恢复到使用纯 tensorflow 或 tflearn（理想情况下）手动创建的图形？我唯一担心的是，如果架构略有不同，那么 ckpt 中的权重根本无法使用。

是否通过使用 tfslim 权重但不使用 tfslim 完成了迁移学习（我目前发现 tflearn 与 tfslim 相比更容易学习，因此希望专注于 tflearn）？

我想使用内置的resnet进行tf-slim快速实验。我按照 github 中的README做了：

但是遇到了这样的错误：AttributeError: module 'tensorflow.contrib.slim' has no attribute 'nets'. 我已经安装了最新版本的tensorflow-0.12.0.
我该如何解决这个问题？

我正在尝试参与对仪表板摄像头图像（用于汽车）进行分类的挑战，标签为 - 交通灯红色/绿色/不存在。红绿灯是图像的一小部分，并且没有提供边界框。

我正在尝试使用 Inception 网络按照此处建议的方式微调图像，但精度为 0.55-0.6。需要达到0.95+。

我认为网络表现不佳，因为图像中的红绿灯的一小部分。

我怎样才能在这方面取得更好的进展？

如果有关于如何在多台机器上的多个 GPU 上使用 deployment/model_deploy.py 运行 TF-Slim 模型/slim 的示例，我很好奇。文档非常好，但我遗漏了几部分。具体来说，worker_device 和 ps_device 需要添加什么，每台机器上还需要运行什么？

像分布式页面底部的例子会很棒。 https://www.tensorflow.org/how_tos/distributed/

当我提到网络的一层时，我对范围或操作的含义感到非常困惑。如果我想微调网络的最后一个 softmax 层，我应该去作用域、操作还是变量来处理它？所有这些术语之间有什么区别？

我看过 TF-slim walkthrough ipynb 教程，这里是他们如何排除一些微调范围：

似乎他们排除了某些范围["InceptionV1/Logits", "InceptionV1/AuxLogits"]，从这些范围中排除了他们想要排除的范围中的每个变量，并包含了他们没有列出的范围中的任何变量variable_to_restore。可以肯定地说范围实际上是指层吗？

如果是这样，这是令人困惑的部分：变量与操作的相关性是什么？我的印象是 op.name 用于查找 scope_name ["InceptionV1/Logits", "InceptionV1/AuxLogits"]，例如，通过编写[op.name for op in g.get_operations()]。如果是这样，为什么变量仍然有一个op.name？

应该如何找到范围名称来选择某些层进行微调？我认为这对于消除我的困惑非常重要。

谢谢大家的帮助。

在TensorFlow-slim源代码中，在其损失函数的创建中指出了一个端点：

来源：https ://github.com/tensorflow/models/blob/master/slim/train_image_classifier.py#L471-L477

我的想法是，有多个相同的网络在不同的机器上训练，最后将变量和参数平均化以合并到一个网络中（这是正确的吗？）。但是我不太明白在这种情况下端点的目的是什么，因为我认为 network_fn 应该只产生用于预测的 logits。end_points 有什么用？

使用 tensorflow 的 v0.12.1 版本，我正在尝试使用http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz提供的检查点来微调预训练的 vgg16 模型 。

我收到以下错误：

需要帮忙。几个月前我发布了一个类似的问题 - 我已经过去了，但找不到一个好的解决方案。我使用给出的模型定义

我知道 ckpt 文件有两个版本..v1 和 v2。这可能是一个问题吗？请问这个怎么解决？

例如，在我创建操作后，通过操作输入批处理数据并运行操作，tf.train.batch 是否会自动将另一批数据输入会话？

我问这个是因为 tf.train.batch 有一个属性，allow_smaller_final_batch该属性使得最终批次可以加载为小于指定批次大小的大小。这是否意味着即使没有循环，下一批也可以自动喂食？从教程代码中我很困惑。当我加载一个批次时，我实际上得到了一个形状 [batch_size, height, width, num_channels] 的批次大小，但文档说它Creates batches of tensors in tensors.另外，当我阅读tf-slim walkthrough tutorial中的教程代码时，其中有一个名为 load_batch 的函数，只返回 3 个张量：images, images_raw, labels. 文档中解释的“批次”数据在哪里？

感谢您的帮助。

我正在尝试将 tensorflow inception_v3 模型用于迁移学习项目。在构建模型时出现以下错误。 TypeError: Expected int32, got list containing Tensors of type '_Message' instead. 对 inception_v1 模型使用相同的脚本不会出现相同的错误。模型是从 slim.nets 导入的

在 CPU 上运行 TensorFlow 版本：0.12.1

脚本

完整的错误信息