Question

我是张力流新手。我想构建一个vgg-16网络，然后用它来修改网络。

到目前为止，我在第1层被困在这里是我所拥有的：

def conv_layer(bottom, name, kernel):
    with tf.variable_scope(name):

        #net weight dictionary from caffe's version of caffe
        conv = tf.nn.conv2d(net.weights[name+'/w'], kernel, [1, 1, 1, 1], padding='SAME')

        conv_biases = tf.constant(net.weights[name+'/b'], name="biases")
        bias = tf.nn.bias_add(conv, conv_biases)

        relu = tf.nn.relu(bias)
        return relu

kernel1_1= tf.Variable(tf.truncated_normal([3, 3, 3, 64], dtype=tf.float32, stddev=1e-1), name='weights')
conv_layer(tf.cast(image_batch, tf.float32), "conv1_1", kernel1_1)

我得到的错误是：

 Dimensions must be equal, but are 64 and 3 for 'conv1_1_15/Conv2D' (op: 'Conv2D') with input shapes: [3,3,3,64], [3,3,3,64]

这对我来说毫无意义

Answer 1

我不确定net.weights包含什么，但假设你的内核有权重，在我看来你应该将它们分配给内核变量。

conv = tf.nn.conv2d(net.weights[name+'/w'], kernel, [1, 1, 1, 1], padding='SAME')

应该是

conv = tf.nn.conv2d(bottom, kernel, [1, 1, 1, 1], padding='SAME')

一旦完成网络定义，就可以将权重分配给内核和偏差。

tensorflow set pre-weights给出了尺寸误差

1 个答案: