Question

我想使用要素提取器（例如ResNet101），然后在其后添加使用要素提取器层输出的图层。但是，我似乎不知道如何。我只在网上找到了解决方案，其中使用了整个网络，而没有添加其他层。我对Tensorflow没有经验。

在下面的代码中，您可以看到我尝试过的内容。我可以在没有附加卷积层的情况下正确运行代码，但是我的目标是在ResNet之后添加更多层。通过尝试添加额外的conv层，将返回此类型错误： TypeError：预期为float32，得到了OrderedDict（[（'resnet_v1_101 / conv1'，...

一旦我添加了更多的层，我想开始在一个很小的测试集上进行训练，以查看我的模型是否可以过拟合。


import tensorflow as tf
import tensorflow.contrib.slim as slim
from tensorflow.contrib.slim.python.slim.nets import resnet_v1
import matplotlib.pyplot as plt

numclasses = 17

from google.colab import drive
drive.mount('/content/gdrive')

def decode_text(filename):
  img = tf.io.decode_jpeg(tf.io.read_file(filename))
  img = tf.image.resize_bilinear(tf.expand_dims(img, 0), [224, 224])
  img = tf.squeeze(img, 0)
  img.set_shape((None, None, 3))
  return img

dataset = tf.data.TextLineDataset(tf.cast('gdrive/My Drive/5LSM0collab/filenames.txt', tf.string))
dataset = dataset.map(decode_text)
dataset = dataset.batch(2, drop_remainder=True)

img_1 = dataset.make_one_shot_iterator().get_next()
net = resnet_v1.resnet_v1_101(img_1, 2048, is_training=False, global_pool=False, output_stride=8) 
net = slim.conv2d(net, numclasses, 1)


sess = tf.Session()

global_init = tf.global_variables_initializer()
local_init = tf.local_variables_initializer()
sess.run(global_init)
sess.run(local_init)
img_out, conv_out = sess.run((img_1, net))

Answer 1

resnet_v1.resnet_v1_101不仅仅返回net，而是返回一个元组net, end_points。第二个元素是字典，这大概是您收到此特定错误消息的原因。

对于documentation of this function：

返回：

net：大小为[batch，height_out，width_out，   channels_out]。如果global_pool为False，   然后将height_out和width_out减少一个         与各自的height_in和width_in相比，output_stride的系数，         否则height_out和width_out等于1。如果num_classes为0或无，         然后net是最后一个ResNet块的输出，可能是在全局之后         平均池化。如果num_classes为非零整数，则net包含         softmax之前的激活。

end_points：网络组件到相应组件的字典         激活。

因此您可以编写例如：

net, _ = resnet_v1.resnet_v1_101(img_1, 2048, is_training=False, global_pool=False, output_stride=8) 
net = slim.conv2d(net, numclasses, 1)

您还可以选择一个中间层，例如：

_, end_points = resnet_v1.resnet_v1_101(img_1, 2048, is_training=False, global_pool=False, output_stride=8) 
net = slim.conv2d(end_points["main_Scope/resnet_v1_101/block3"], numclasses, 1)

（您可以查看end_points以查找端点的名称。您的作用域名称将不同于main_Scope。）

如何在Tensorflow中将预训练的网络用作图层？

1 个答案: