Question

我正在尝试从头开始训练ImageNet模型的日期，我对培训的运作方式感到有些困惑。

在准备TF记录时，我注意到Inception模型数据目录中的这个文件：＆＃34; imagenet_metadata.txt＆＃34;。该文件包含21842个类的标签，但是训练脚本和＆＃34; imagenet_lsvrc_2015_synsets.txt＆＃34;文件仅适用于1000个类。

我想知道我需要做些什么修改才能在21K级别而不是1K级别上训练模型？

Answer 1

它非常简单，苗条。要训练imgnet 21k，我建议做以下步骤：

1.在tf_models / slim / datasets文件夹中创建一个imagenet.py文件的副本（例如imgnet.py）。在新文件中更改所需的变量到您想要的值：

    _FILE_PATTERN = ####your tfrecord_file_pattern. for me('imgnet_%s_*.tfrecord')
    _SPLITS_TO_SIZES = {
        'train': ####Training Samples,
        'validation': ####Validation Samples,}
    _NUM_CLASSES = 21841

* wordnet synset包含21482个条目，但是21481中的imagenet21k中的类总数（错过了n04399382）。所以请确保可用类的总数。

*此外，您需要对代码进行一些修改才能从本地地址加载synset文件。

    base_url = '/home/snf/libraries/tf_models/slim'
    synset_url = '{}/listOfTags.txt'.format(base_url)
    synset_to_human_url = '{}/imagenet21k_metadata.txt'.format(base_url)

将新数据集添加到tf_models / slim / datasets中的datasetfactory.py：

from datasets import imgnet
datasets_map = {
'cifar10': cifar10,
'flowers': flowers,
'imagenet': imagenet,
'mnist': mnist,
'imgnet': imgnet, #add this line to dataset_map

}

在tf_models / slim / create中包含以下行的Train_Imgnet.sh文件：

TRAIN_DIR=trained/imgnet-inception-v4
DATASET_DIR=/media/where/tfrecords/saved/tfRecords-fall11_21k
CUDA_VISIBLE_DEVICES="0,1,2,3" python train_image_classifier.py 

  --train_dir=${TRAIN_DIR} \
  --dataset_name=imgnet \
  --dataset_split_name=train \
  --dataset_dir=${DATASET_DIR} \
  --model_name=inception_v4 \
  --max_number_of_steps=10000000 \
  --batch_size=32 \
  --learning_rate=0.01 \
  --learning_rate_decay_type=fixed \
  --save_interval_secs=60 \
  --save_summaries_secs=60 \
  --log_every_n_steps=100 \
  --optimizer=rmsprop \
  --weight_decay=0.00004\
  --num_readers=12 \
  --num_clones=4

将文件设置为可执行文件（Chmod + x Train_Imgnet.sh）并运行它（./Train_Imgnet.sh）

Tensorflow Slim Imagenet培训

1 个答案: