Question

我想从头开始训练InceptionV3神经网络。我已经在运行一个使用TensorFlow Hub模块https://tfhub.dev/google/imagenet/inception_v3/feature_vector/1的实现，并利用包含的预训练权重进行微调。

我现在想使用the same TensorFlow Hub module，但放弃提供的权重并使用自己的内核初始化程序（例如tf.initializers.truncated_normal，tf.initializers.he_normal等）。

如何修改TFHub模块中的可训练变量以使用自定义初始化程序？明确地说，我想在运行时替换预先训练的权重，并保留模型架构。请让我知道我是否真的应该使用TFSlim或模型动物园。

这是我到目前为止所拥有的：

import tensorflow as tf
import tensorflow_hub as hub

tfhub_module_url = 'https://tfhub.dev/google/imagenet/inception_v3/feature_vector/1'
initializer = tf.truncated_normal

def main(_):
    _graph = tf.Graph()
    with _graph.as_default():
        module_spec = hub.load_module_spec(tfhub_module_url)
        height, width = hub.get_expected_image_size(module_spec)
        resized_input_tensor = tf.placeholder(tf.float32, [None, height, width, 3], name='resized_input_tensor')
        m = hub.Module(module_spec, trainable=True)
        bottleneck_tensor = m(resized_input_tensor)
        trainable_vars = tf.trainable_variables()
        # TODO: This fails, because this probably isn't how this is supposed to be done:
        for trainable_var in trainable_vars:
            trainable_var.initializer = tf.initializers.he_normal

    with tf.Session(graph=_graph) as sess:
        print(trainable_vars)


tf.logging.set_verbosity(tf.logging.INFO)
tf.app.run()

正确的方法是什么？

Answer 1

没有简单的方法可以完成您想做的事情，因为TF Hub模块实际上是为表示预先训练的模型而构建的。如果只需要图，则可以直接使用tensorflow_models / slim代码。（或者，您可以修补tensorflow_hub库代码，以免首先用restore ops重新连接变量初始化程序。）

编辑2019-04-15：另请参见tensorflow_hub issue #267：在TF2中，初始化程序的概念已消失，因此TF Hub作者不想开始依赖于TF1 API。

如何在TensorFlow-Hub模块中修改可训练的tf.Variables以使用自定义内核初始化程序？

1 个答案: