问题标签 [tf-slim]

我不仅想观察应该在训练期间优化的连续错误，还想观察训练期间另一个不可区分的指标（如 top1 或 top5 分类错误）。可能吗？

例子：

我需要的只是重新定义train_step_fn并传递给[train_op, another_loss]的slim.learning.train数组

我正在使用 tf.slim 的train_image_classifier.py脚本在 CIFAR10 数据集上微调 ResNet50：

对于 3k 步，在单个 GPU（Tesla M40）上运行大约需要 3000 万，而在 4 个 GPU 上运行需要 50+ 百万。（两种情况下的准确度相似：~75% 和~78%）。

我知道多 GPU 设置延迟的一个可能原因是加载图像，但在 tf.slim 的情况下，它使用 CPU。关于可能是什么问题的任何想法？谢谢！

我已经尝试了两种用于转移学习的 tensorflow 模型。模型是

1. inception_v3_2016_08_28.tar.gz - 来自tensorflow-models
2. classify_image_graph_def.pb - 附带 tensorflow image_retraining 代码。

但我得到的结果完全不同。第二个模型比第一个模型表现得更好。是预期的吗？第一个模型的准确率为 57%，而第二个模型的准确率为 80%。

第一个模型是检查点文件。对于迁移学习，我已将检查点文件转换为 protobuf 文件。然后使用 tensorflow 附带的 python 代码 retrain.py 进行再训练。以下代码用于将检查点文件转换为 protobuf 文件。

我正在使用 TensorFlow-Slim。我的目标是在多 GPU 模式下运行给定的标准脚本（位于 /models/slim/scripts）。我已经测试了finetune_resnet_v1_50_on_flowers.sh 脚本（克隆于 2017 年 4 月 12 日）。我刚刚在培训部分的末尾添加了 --num_clones=2 （灵感来自 /slim/deployment/model_deploy_test.py 和以前的 StackOverflow 答案）：

来自部署/model_deploy_test.py 的代码：

我有一个警告（“忽略设备规范”）：

GPU 运行正常（内存使用和 GPU 利用率），但与单个 GPU 训练相比，训练速度并不快。

此问题可能与：https ://github.com/tensorflow/tensorflow/issues/8061

我很高兴收到您对此问题的回答、意见或具体建议。

CUDA版本：发布8.0、V8.0.53

TensorFlow 从二进制安装，经过测试的版本：1.0.1 和 1.1.0rc

GPU：英伟达 Tesla P100 (SXM2)

我正在使用 TensorFlow-Slim，并在 eval_image_classifier.py（位于 /models/slim/）中添加了一些代码行，用于计算 TP、TN、FP 和 FN。但是，计算精度 = (TP + TN) / (TP + FP + FN + TN) 不等于 slim.metrics.streaming_accuracy(predictions, labels) 给出的精度。

我已经从这里更改了标准代码：

...对此：

输出：

我已经测试了finetune_resnet_v1_50_on_flowers.sh 脚本（位于/models/slim/scripts），没有进行任何更改（克隆于2017 年4 月12 日）。

我找不到我的错误。我很高兴收到您对此问题的回答、意见或具体建议。

CUDA版本：发布8.0、V8.0.53

TensorFlow 从二进制安装，经过测试的版本：1.0.1 和 1.1.0rc1

GPU：英伟达 Tesla P100 (SXM2)

我正在尝试将一组 jpg 图像转换为 TFRecord，以便在 Tensorflow 中与 CNN 一起使用。我正在使用来自此处的脚本 build_image_data.py：

https://github.com/tensorflow/models/blob/master/inception/inception/data/build_image_data.py

我创建了一个验证目录和一个训练目录，以及一个带有适当标签的 labels.txt 文件。我使用 jupyter notebook 运行脚本（我也尝试过通过命令行），并将 tf.app.flags.DEFINE_string 参数更改为适当的目录/文件名。当我运行它时，我收到以下错误：

有什么线索吗？我从包含我的验证和培训文件夹的同一目录运行脚本。谢谢。

编辑：尝试使用完整路径，但仍然出现相同的错误。这是代码的相关部分，我确定这是我的一些简单错误。

我正在尝试创建一个图像分类器，该分类器利用 slim 文档中提供的预训练 ResNet V2 模型。

这是到目前为止的代码：

问题是我不断收到此错误：

所以似乎 TF/Slim 无法找到任何变量，当我打电话时，这一点很清楚：

因为它输出一个空数组。

如何使用预训练模型？

我有一个非常常见的用例，即冻结 Inception 的底层并只训练前两层，之后我降低学习率并微调整个 Inception 模型。

这是我运行第一部分的代码

它运行正常，然后是我运行第二部分的代码

请注意，在第二部分中，我没有将任何内容传递给create_train_op'svariables_to_train参数。然后显示此错误

我怀疑它正在寻找不存在的 InceptionV3/Conv2d_4a_3x3 层的 RMSProp 变量，因为我没有在前一个检查点训练该层。我不确定如何实现我想要的，因为我在文档中看不到有关如何执行此操作的示例。

我slim.conv2d用来设置 VGG-net

如果我想初始化现有 VGG 模型的变量conv1或conv2来自现有 VGG 模型的变量。

我该怎么做？

我试图使用 slim 来制作我自己的数据集并读入它。当我试图读入它时，我收到以下错误：

raise type(e)(node_def, op, message) tensorflow.python.framework.errors_impl.OutOfRangeError: FIFOQueue '_2_parallel_read/common_queue' is closed and has enough elements (requested 1, current size 0) [[Node: parallel_read/common_queue_Dequeue = QueueDequeueV2component_types=[DT_STRING, DT_STRING], timeout_ms=-1, _device="/job:localhost/replica:0/task:0/cpu:0"]] [[Node: case/If_2/DecodePng/_117 = _Recvclient_terminated=false , recv_device="/job:localhost/replica:0/task:0/gpu:0", send_device="/job:localhost/replica:0/task:0/cpu:0", send_device_incarnation=1, tensor_name=" edge_12_case/If_2/DecodePng", tensor_type=DT_UINT8, _device="/job:localhost/replica:0/task:0/gpu:0"]]

由操作 u'parallel_read/common_queue_Dequeue' 引起，定义在：

OutOfRangeError（参见上面的回溯）：FIFOQueue '_2_parallel_read/common_queue' 已关闭且元素不足（请求 1，当前大小 0）[[节点：parallel_read/common_queue_Dequeue = QueueDequeueV2component_types=[DT_STRING，DT_STRING]，timeout_ms=-1，_device ="/job:localhost/replica:0/task:0/cpu:0"]] [[节点：case/If_2/DecodePng/_117 = _Recvclient_terminated=false, recv_device="/job:localhost/replica:0/task :0/gpu:0", send_device="/job:localhost/replica:0/task:0/cpu:0", send_device_incarnation=1, tensor_name="edge_12_case/If_2/DecodePng", tensor_type=DT_UINT8, _device=" /job:localhost/replica:0/task:0/gpu:0"]]

正如我所想的那样，Fifo 队列似乎是空的（未填充）......

有人知道 slim 的哪个部分负责填充 FiFO 吗？这是我尝试的代码：