Question

我已经成功完成了official tutorial，它解释了如何重新训练初始-v3模型，后来成功地重新训练了相同的模型，以便为特定目的训练模型。

然而，与其他更简单的模型相比，该模型复杂且缓慢，例如初始-v1，其准确性对于某些任务来说足够好。具体来说，我想重新训练模型以在Android上使用它，理想情况下，速度方面的性能应与原始TensorFlow Android demo相当。无论如何，我尝试重新训练this link中的inception-v1模型，并在retrain.py中进行以下修改：

BOTTLENECK_TENSOR_NAME = 'avgpool0/reshape:0'
BOTTLENECK_TENSOR_SIZE = 2048
MODEL_INPUT_WIDTH = 224
MODEL_INPUT_HEIGHT = 224
MODEL_INPUT_DEPTH = 3
JPEG_DATA_TENSOR_NAME = 'input'
RESIZED_INPUT_TENSOR_NAME = 'input'

与初始v3相反，初始v1没有任何decodeJpeg或调整大小节点：

初始v3节点：

DecodeJpeg/contents
DecodeJpeg
Cast
ExpandDims/dim
ExpandDims
ResizeBilinear/size
ResizeBilinear
...
pool_3
pool_3/_reshape/shape
pool_3/_reshape
softmax/weights
softmax/biases
softmax/logits/MatMul
softmax/logits
softmax

初始v1节点：

input
conv2d0_w
conv2d0_b
conv2d1_w
conv2d1_b
conv2d2_w
conv2d2_b
...
softmax1_pre_activation
softmax1
avgpool0/reshape/shape
avgpool0/reshape
softmax2_pre_activation/matmul
softmax2_pre_activation
softmax2
output
output1
output2

所以我想这些图像必须在被送入图表之前重新整形。

现在，按下以下功能时会发生错误：

def run_bottleneck_on_image(sess, image_data, image_data_tensor,
                            bottleneck_tensor):
  """Runs inference on an image to extract the 'bottleneck' summary layer.

  Args:
    sess: Current active TensorFlow Session.
    image_data: Numpy array of image data.
    image_data_tensor: Input data layer in the graph.
    bottleneck_tensor: Layer before the final softmax.

  Returns:
    Numpy array of bottleneck values.
  """

  bottleneck_values = sess.run(
      bottleneck_tensor,
      {image_data_tensor: image_data})
  bottleneck_values = np.squeeze(bottleneck_values)
  return bottleneck_values

错误：

TypeError：无法将feed_dict键解释为Tensor：无法转换a 操作到张量。

我想在初始v3图的输入节点上的数据必须在初始v3中传递以下节点后重新整形以匹配数据：

DecodeJpeg/contents
DecodeJpeg
Cast
ExpandDims/dim
ExpandDims
ResizeBilinear/size
ResizeBilinear

如果有人已经设法重新启动初始v1模型或者想知道如何在初始v1案例中重新整形数据以匹配初始v3，我将非常感谢任何提示或建议。

Answer 1

不确定您是否已经解决了这个问题，但我正在研究类似的问题。

我正在尝试使用与Inception-v3传输学习教程不同的模型（不是Inception-v1或Inception-v3）。这篇文章似乎是在重新映射新模型的输入（在你的情况下是inception-v1）的正确轨道上，与本教程其余部分中使用的jpeg编码一起玩得很好： feeding image data in tensorflow for transfer learning

我遇到的唯一问题是输入错误＆＃34;无法将类型uint8的张量转换为float32的输入类型＆＃34;但这至少可以让你走上正轨。

祝你好运！

Answer 2

（对于仍然感兴趣的人）
起始-v1的瓶颈张量大小应为1024。对我来说，以下设置适用于inception-v1提到的this retrain script。不需要jpeg数据张量或其他。

bottleneck_tensor_name = 'avgpool0/reshape:0'
bottleneck_tensor_size = 1024
input_width = 224
input_height = 224
input_depth = 3
resized_input_tensor_name = 'input:0'

如何重新训练inception-v1模型？

2 个答案: