Question

我是tensorflow的初学者，我正在研究Colorize Greyscale图像的Model，并在模型的最后部分说：

一旦功能融合，它们就会被一组处理卷积和上采样层，后者由简单组成通过使用最近邻技术对输入进行上采样输出是宽度的两倍，高度的两倍。

当我尝试在tensorflow中实现它时，我使用tf.image.resize_nearest_neighbor进行上采样，但是当我使用它时，我发现除了第二个时期之外，所有时期的成本都没有变化，没有它，成本会被优化和更改

此部分代码

def Model(Input_images):

   #some code till the following last part

    Color_weights = {'W_conv1':tf.Variable(tf.random_normal([3,3,256,128])),'W_conv2':tf.Variable(tf.random_normal([3,3,128,64])),
             'W_conv3':tf.Variable(tf.random_normal([3,3,64,64])),
             'W_conv4':tf.Variable(tf.random_normal([3,3,64,32])),'W_conv5':tf.Variable(tf.random_normal([3,3,32,2]))}

    Color_biases = {'b_conv1':tf.Variable(tf.random_normal([128])),'b_conv2':tf.Variable(tf.random_normal([64])),'b_conv3':tf.Variable(tf.random_normal([64])),
            'b_conv4':tf.Variable(tf.random_normal([32])),'b_conv5':tf.Variable(tf.random_normal([2]))}    

    Color_layer1 = tf.nn.relu(Conv2d(Fuse, Color_weights['W_conv1'], 1) + Color_biases['b_conv1']) 

    Color_layer1_up = tf.image.resize_nearest_neighbor(Color_layer1,[56,56])

    Color_layer2 = tf.nn.relu(Conv2d(Color_layer1_up, Color_weights['W_conv2'], 1) + Color_biases['b_conv2']) 
    Color_layer3 = tf.nn.relu(Conv2d(Color_layer2, Color_weights['W_conv3'], 1) + Color_biases['b_conv3']) 

    Color_layer3_up =  tf.image.resize_nearest_neighbor(Color_layer3,[112,112])
    Color_layer4 = tf.nn.relu(Conv2d(Color_layer3, Color_weights['W_conv4'], 1) + Color_biases['b_conv4']) 

    return Color_layer4

培训代码

 Prediction = Model(Input_images) 
    Colorization_MSE = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(Prediction,tf.Variable(tf.random_normal([2,112,112,32]))))
    Optmizer = tf.train.AdadeltaOptimizer(learning_rate= 0.05).minimize(Colorization_MSE)
    sess = tf.InteractiveSession()    
    sess.run(tf.global_variables_initializer()) 
    for epoch in range(EpochsNum):
        epoch_loss = 0
        Batch_indx = 1
        for i in range(int(ExamplesNum / Batch_size)):#Over batches
           print("Batch Num ",i + 1)
           ReadNextBatch()
           a, c = sess.run([Optmizer,Colorization_MSE],feed_dict={Input_images:Batch_GreyImages})
           epoch_loss += c
        print("epoch: ",epoch + 1, ",Los: ",epoch_loss)

所以我的逻辑有什么问题，或者问题是什么 tf.image.resize_nearest_neighbor我应该做什么或者它取代什么？

Answer 1

好的，我解决了它，我注意到tf.random正常是问题，当我用tf.truncated normal替换它时，它运行良好

tensorflow调整大小最近邻近方法不优选权重

1 个答案: