Question

我正在尝试使用Tensorflow Hub模块来再现基于Tensorflow Slim checkpoint的Tensorflow Slim模块的输出。但是，我似乎无法获得预期的输出。例如，让我们加载所需的库，创建示例输入，并使用占位符填充数据：

import tensorflow_hub as hub
from tensorflow.contrib.slim import nets

images = np.random.rand(1,224,224,3).astype(np.float32)
inputs = tf.placeholder(shape=[None, 224, 224, 3], dtype=tf.float32)

加载TF Hub模块：

resnet_hub = hub.Module("https://tfhub.dev/google/imagenet/resnet_v2_152/feature_vector/3")
features_hub = resnet_hub(inputs, signature="image_feature_vector", as_dict=True)["resnet_v2_152/block4"]

现在，让我们对TF Slim进行相同的操作，并创建一个将加载检查点的加载器：

with slim.arg_scope(nets.resnet_utils.resnet_arg_scope()):
    _, end_points = nets.resnet_v2.resnet_v2_152(image, is_training=False)
    features_slim = end_points["resnet_v2_152/block4"]
loader = tf.train.Saver(tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope="resnet_v2_152"))

现在，一旦一切就绪，我们就可以测试输出是否相同：

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    loader.restore(sess, "resnet_v2_152_2017_04_14/resnet_v2_152.ckpt")
    slim_output = sess.run(features_slim, feed_dict={inputs: images})
    hub_output = sess.run(features_hub, feed_dict={inputs: images})
    np.testing.assert_array_equal(slim_output, hub_output)

但是，断言失败，因为两个输出不相同。我认为这是因为TF Hub使用了TF Slim实现缺少的输入的内部预处理。

让我知道您的想法！

Answer 1

那些Hub模块将其输入从标准范围[0,1]扩展到相应的苗条检查点对其进行培训的预处理所期望的值（对于“初始样式”预处理，通常为[-1，+ 1]）。将相同的输入传递给他们可以解释很大的不同。甚至在进行线性重新缩放以解决该问题之后，达到复合数值误差的差异也不会令我感到惊讶（考虑到TF内部的许多自由度），但是主要差异可能表明存在错误。

使用Tensorflow Slim重现Tensorflow Hub模块输出

1 个答案: