问题标签 [tf-slim]

虽然在slim 模型中说明 train_image_classifier.py 可用于从头开始训练模型，但在实践中我发现很难。就我而言，我试图在一台 6xK80 的本地机器上从头开始训练 ResNet。我用这个：

我遵循了与论文中建议的相同设置。我在本地机器上使用 8 个 GPU，batch_size 为 32，因此有效的批处理大小为 32x8=256。学习率最初设置为 0.1，每 30 个 epoch 衰减 10 个。经过 70K 步（70000x256/1.2e6 ~ 15 epochs）后，验证集的 top-1 性能低至 ~14%，而经过这么多次迭代后它应该在 50% 左右。我使用这个命令来获得 top-1 性能：

由于缺乏工作示例，很难说是否存在苗条训练代码中的错误或我的脚本中的问题。我的脚本有什么问题吗？有没有人成功地从头开始训练怨恨？

我在 tensorflow-slim 中使用 ResNet-50 模型来提取特征。我的问题是，在输入图像之前，我是否需要根据一些标准的 ResNets-50 平均值将图像居中？我知道对于 vgg-19 tf-slim 提供了使用中 _mean_image_subtraction(image, means)定义的居中选项vgg_preprocessing.py。但我找不到 ResNets 的任何此类文件或函数。

我需要为我的卷积层偏差编写一个简单的初始化程序。我正在使用 tf.slim，所以我可以在调用卷积层时指定初始化程序，就像这样。

我想biases_initializer=init_ops.zeros_initializer()用我自己的自定义函数替换，该函数只是将偏差初始化为给定的常量，例如：

我可以在其中指定值，例如value = -5.

谁能告诉我这是怎么做到的？我花了大约一个小时阅读现有的初始化程序，但仍然不知道如何实现这个简单的功能。

我有兴趣使用 tensorflow slim 库 (tf.contrib.slim) 在训练期间定期评估 (n) (整个) 测试集上的模型性能。文档很清楚 slim.evaluation.evaluation_loop 是要走的路，而且看起来很有希望。问题是我没有第二个 gpu 可用，这个模型参数占用了整个 gpu 的内存，我想做并发评估。

例如，如果我有 2 个 GPU，我可以在第一个 gpu 上运行一个以“slim.learning.train()”终止的 Python 脚本，在第二个 gpu 上运行另一个以“slim.evaluation.evaluation_loop()”终止的 Python 脚本.

有没有一种方法可以为这两个任务管理 1 个 gpu 的资源？tf.train.Supervisor 浮现在脑海中，但我真的不知道。

我的理解是否正确，model_deploy允许用户在一台机器上使用多个设备训练模型？基本前提似乎是克隆设备进行变量共享，并且变量以循环方式分发到参数服务器。

另一方面，分布式张量流框架使用户能够通过集群训练模型。集群允许用户使用跨多个服务器的多个设备训练模型。

我认为 Slim 文档非常精简，并且已经多次提出了这一点： 跨多个 GPU/机器的 TF-Slim 的配置/标志

谢谢你。

这个函数参考了tf.contrib.metrics.streaming_sparse_average_precision_at_k，源码中的解释如下，有谁可以通过简单的例子来解释一下吗？我想知道这个指标是否与 PASCAL VOC 2012 挑战赛中使用的平均精度计算相同。非常感谢。

我已经使用 tf slim (v1.3) 训练了 inception v4 的最后一层，我正在尝试将处理集成到现有工具中，但我无法弄清楚如何生成预测。我想要所有的预测值，而不仅仅是 argmax。我有一个检查点路径和一些带有图像的 numpy 数组（100x100x3，这是我训练的……但扩展到 299x299x3）。有人可以指出我正确的方向吗？我将提供多张图像进行评估，但不一定是批量提供（我可能会运行一个微服务，它获取一张或多张图像并返回结果，但只加载一次检查点以缩短初始化时间）。

下载许多用于 tensorflow slim 的预训练模型权重的众所周知的地方是此页面https://github.com/tensorflow/models/tree/master/slim。这个页面也被很多链接引用（现在都无效）。我记得几天前我访问了这个页面，一切都很好，但现在它只是停止工作（github返回404）。如果它被移动到其他地方或完全删除，任何人都可以告诉我。或者，有人可以建议我一个下载经典 CNN 预训练权重的地方，用于 tensorflow 或 tf-slim。任何帮助，将不胜感激。

我正在尝试使用 TF-Slim 微调 VGG-16 预训练模型，但是，我在开始时遇到了麻烦（当尝试预处理数据时，即将图像从 tiff 转换为 jpeg，然后转换为 tfrecord 格式）。

任何人都可以建议使用最佳方法来微调模型以适应这些图像吗？

或者也许将我指向如何执行此操作的分步指南？道歉，因为我是 convnets 的新手，我正在尝试弄清楚如何开始微调。

提前致谢。

在大多数 tensorflow slim 教程中，slim 模块是使用加载的，

如果我这样做，它似乎没有任何区别（我错过了什么吗？）

我们有什么特别的原因要使用“slim = tf.contrib.slim”而不是“import”吗？