我将用户inception_v2作为分类的基础网络。在训练期间，batchsize = 128。
在测试期间，如果batchsize = 128，一切正常。但是，如果batchsize小于128，则结果不同。随着批量大小的下降，精度会下降。如果batchsize = 1，则网络将失败。我还使用了inception_v3和inception_v1，出现了同样的问题。但是，如果基础网络被Alex网络（tensorflow）取代，一切顺利。我也用vgg（slim）取代了inception_v2，一切顺利。
我认为该bug与inception_v1~v3或批量规范化有关。也许我没有正确使用inception_v2。有没有人遇到类似的问题？
def net(inputs, num_classes=2, batch_size=128, dropout=0.8, height=224, width=224):
with slim.arg_scope(inception_v2.inception_v2_arg_scope()):
end_points = inception_v2.inception_v2(inputs=inputs, num_classes=1001,is_training=True, spatial_squeeze=False)
kernel_size =inception_v2._reduced_kernel_size_for_small_input(end_points['Mixed_5c'], [7, 7])
net = slim.avg_pool2d(end_points['Mixed_5c'], kernel_size, padding='VALID', stride=1,scope='avgpool'.format(*kernel_size))
net = slim.dropout(net, keep_prob=dropout, scope='Dropout_2b')
end_points['Dropout_2b'] = net
# regresion layer
with tf.variable_scope('Regresion') as scope:
inputchannel = 1024
stddev = (2.0/inputchannel)**0.5
logits = slim.conv2d(end_points["Dropout_2b"], num_classes, [1, 1], activation_fn=None, normalizer_fn=None,weights_initializer=trunc_norm al(stddev), scope='regresion_layer')
print("inception_v2 finished!")
return logits, end_points
的
在测试期间，is_training = False
restore_list = [v for tf.trainable_variables（）if（v.name.startswith（＆＃34; InceptionV2＆＃34;））] saver_googlenet = tf.train.Saver（var_list = restore_list）＃var_list = restore_list saver_googlenet.restore（sess，＆＃39; inception_v2.ckpt＆＃39;）
saver_all = tf.train.Saver（var_list = tf.global_variables（），max_to_keep = 20）
的