问题标签 [vgg-net]

我无法给出AlexNet或VGG Net的正确参数数量。

比如要计算conv3-256VGG Net的一层参数个数，答案是0.59M = (3*3)*(256*256)，即(kernel size) * (两层通道数的乘积联合层），但是这样，我无法获得138M参数。

那么你能告诉我我的计算哪里出了问题，或者告诉我正确的计算程序吗？

我正在复制 http://caffe.berkeleyvision.org/gathered/examples/finetune_flickr_style.html中的步骤

我想将网络更改为在 http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel获得的 VGG 模型

只需将模型参数替换如下就足够了吗？

还是我需要调整学习率、迭代次数，即它是否带有单独的 prototxt 文件？

VGG 和 AlexNet 等需要正方形尺寸的固定图像输入 ( H== W)。如何微调或以其他方式执行网络手术，以便提供非平方输入？

供您参考，我正在使用 Caffe 并打算FC7为非方形图像输入提取特征。

我想在 python 中实现VGG 人脸描述符。但我不断收到错误消息：

TypeError：只能将列表（不是“numpy.ndarray”）连接到列表

我的代码：

你能帮助我吗 ？

更新 1

此工作代码是 matlab 中的示例

原始 VGG 网络接受大小为 256x256x3 的输入。为了训练 Cifar-10 数据，我是否需要将数据大小调整为 256x256x3？或者还有其他方法吗？

我正在尝试使用大小为 32x32x3 的 Cifar-10 数据微调 VGG 网络。

我正在使用 PyCaffe 来实现一个受 VGG 16 层网络启发的神经网络。我想使用他们的GitHub 页面上提供的预训练模型。通常，这通过匹配层名称来工作。

对于我的"fc6"层，我的 train.prototxt 文件中有以下定义：

这是 VGG-16 部署架构的 prototxt 文件。请注意，"fc6"他们的 prototxt 中的 与我的相同（除了学习率，但这无关紧要）。还值得注意的是，在我的模型中，输入的大小也都相同：3 通道 224x224px 图像。

我一直在密切关注本教程，给我带来问题的代码块如下：

第一行加载我的求解器 prototxt，然后第二行从预训练模型 ( VGG_ILSVRC_16_layers.caffemodel) 中复制权重。当求解器运行时，我收到此错误：

它的要点是他们的模型期望层的大小为 1x1x4096，而我的只有 4096。但我不明白如何改变这个？

我在用户谷歌组中找到了这个答案，指示我在复制之前进行网络手术以重塑预训练模型，但为了做到这一点，我需要lmdb原始架构数据层中的文件，而我没有（它当我尝试运行网络手术脚本时抛出错误）。

我使用 keras 的 VGG-16 网络。这是细节

我的问题是如何使用这个网络进行微调，我必须为这个网络使用 224*224 的图像大小吗？并且我在使用这个网络时必须使用 1000 个类？如果我不使用 1000 个类，则会导致错误

例外：层形状（4096L、10L）与重量形状（4096、1000）不兼容。

求帮助，谢谢！

我正在使用带有 Fast-RCNN 的 ILSVRC 训练的 VGG-16 网络。

您可以获得一个 1000 维矩阵，用于表示 ILSVRC 中 1,000 个类别中的每一个的概率。

但是，我无法找出矩阵中的哪一列对应于哪个类。

例如，我想知道 final_prob[2] 对应的是人还是车。

每年都有 ILSVRC 的课程列表（http://image-net.org/challenges/LSVRC/2014/browse-synsets）

但矩阵似乎不是按这个顺序排列的。

我在哪里可以找到矩阵中的条目如何映射到类？

VGG 模型接受 3 通道 RGB 图像作为输入，但我的数据是单个灰度图像，关于如何利用 VGG 模型的第一个 conv 层中的权重有什么建议吗？

我想使用 Ryan 的 VGG 转换的张量流模型。

https://github.com/ry/tensorflow-vgg16

现在我想调整图层并添加另一个图层或更改完全连接的图层。但我不知道如何从图中获取单个层/权重graphDef或如何调整图表。