TensorFlow对象检测应用编程接口:使用`fine_tune_checkpoint`进行培训-解冻较早的层？
TensorFlow对象检测应用编程接口（API）是一个用于训练和部署目标检测模型的框架。在使用fine_tune_checkpoint进行培训时，解冻较早的层是一种常用的技术，它可以加速模型的收敛并提高模型的性能。
解冻较早的层是指在迁移学习或微调（fine-tuning）过程中，将预训练模型的一部分层设置为可训练状态，以便在新的任务上进行调整。通常，预训练模型的较早层包含了一些通用的特征提取器，而较后层则包含了更加特定的任务相关特征。通过解冻较早的层，我们可以保留预训练模型在通用任务上学习到的特征，并在新任务上进行微调。
解冻较早的层的优势在于：
- 加速收敛：由于较早的层已经学习到了通用特征，因此在新任务上进行微调时，这些层的参数可以更快地收敛到最优解，从而加速训练过程。
- 提高性能：通过解冻较早的层，我们可以利用预训练模型在大规模数据上学习到的知识，从而提高模型在新任务上的性能。
- 灵活性：解冻较早的层可以根据具体任务的需求进行调整，可以选择性地冻结或解冻不同层，以达到更好的性能和效果。
TensorFlow提供了一些相关的API和工具来支持解冻较早的层，例如tf.trainable_variables()函数可以用于获取可训练的变量列表，tf.keras.layers.Layer.trainable属性可以用于设置层的可训练状态。
在腾讯云的产品中，推荐使用腾讯云的AI智能服务，如腾讯云AI开放平台（https://cloud.tencent.com/product/ai）和腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）来支持TensorFlow对象检测应用编程接口的开发和部署。这些产品提供了丰富的AI算法和模型库，可以帮助开发者快速构建和部署目标检测模型，并提供了灵活的训练和推理能力。
相关·内容
Tensorflow集线器上的一些模块说它们“不支持微调”。我发现很难用一个来转移学习，但这也是因为我缺乏经验。但我只想知道我的尝试是否最终都是徒劳的。
示例：https://tfhub.dev/google/openimages_V4/ssd/移动电话_v2/1
这个模块不支持微调，但是我仍然可以用它作为一个起点在末端添加新的层来寻找新的对象吗？
浏览 0提问于2021-07-04得票数 0
回答已采纳
我遵循这个来实现Tensorflow对象检测API。
首选的方法是使用预先训练过的模型。
但在某些情况下，我们需要从头开始训练。
为此，我们只需将配置文件中的两行注释为
#fine_tune_checkpoint: "object_detection/data/mobilenet_v1_1.0_224/mobilenet_v1_1.0_224.ckpt"
#from_detection_checkpoint: true
如果我想用泽维尔权值初始化来初始化权重，我怎么做呢？
浏览 0提问于2019-03-15得票数 2
回答已采纳
如何从Tensorflow model Zoo 2中了解冻结了哪些层来微调检测模型？我已经成功地设置了fine_tune_checkpoint和fine_tune_checkpoint_type: detection的路径，并且在proto文件中我已经读到“检测”是指 // 2. "detection": Restores the entire feature extractor.
The only parts of the full detection model that are not restored are the box and class prediction
浏览 59提问于2021-11-04得票数 1
回答已采纳
github问题说，如果我们想从零开始训练，我们需要在model.config中注释这一行
#fine_tune_checkpoint: "PATH_TO_BE_CONFIGURED/model.ckpt"
from_detection_checkpoint: true
我跟踪了这个问题，并在我自己的dataset中评论了这一行用于训练SSD_mobilenet。它可以训练，损耗可以降低，但精度保持在0.0。
我以前使用的对象检测api和模型动物园的预训练模型，它在mAP=90%很好地工作，这两个任务之间唯一的区别是在model.config中的注释行。
我想知道如何使用Ten
浏览 2提问于2018-03-05得票数 5
回答已采纳
3回答
什么是冻结/解冻一层神经网络？
、、、、
我已经和神经网络玩了很长一段时间了，最近我在训练神经网络之前遇到了“冻结”和“解冻”这两个术语，同时读到了关于迁移学习的知识&我很难理解它们的用法。
什么时候应该使用冷冻/解冻？
哪几层是冷冻/不冻的？例如，当我导入一个经过预先训练的模型并根据我的数据对它进行训练时，除了输出层之外，我的整个神经网络是否被冻结了？
我如何确定我是否需要解冻？
如果是这样的话，我如何确定哪些层需要解冻和培训以提高模型的性能？
浏览 3提问于2020-06-06得票数 6
回答已采纳
2回答
结合CNNs的图像分类
、、、、
我想把CNN的中间层(G层)的输出输入到更宽的CNN (H层)的中间层，以完成推理。
挑战: G，H两层具有不同的尺寸，因此不能直接进行。解决方案:使用第三个CNN (称为r)，它将以G层的输出作为输入，并为H层输出一个有效的输入，然后使用损失函数调整G层和r层的权重：
L(W_G, W_r) = MSE(\text{output of layer H}, \text{output of r})
我的问题是:这种方法会不会只改变G层的权重和r的权重？整个系统是否需要事后细化以更新其他层的权重？
浏览 0提问于2021-07-27得票数 1
回答已采纳
我想添加一个新的类(例如:手枪)到coco数据集(90个类)，这样我就可以检测到91个不同的类。
我有这个：
数据集： 300手枪图像
labelmap.pbtxt:
item {
id: 1
name: 'Handgun'
}
pipeline.config:
num_classes: 1
fine_tune_checkpoint: "/media/Shared/faster_rcnn_resnet101_coco_2018_01_28/model.ckpt"
from_detection_checkpoint: true
load_all_d
浏览 2提问于2018-08-24得票数 1
1回答
我尝试用对象检测器API在tensorflow上设计我自己的模型检测器。
我运行了运行中的宠物示例，但它告诉我如下：
为了加快培训过程，建议用户重复使用来自预先存在的对象分类或检测检查点的特征提取器参数。train_config提供了两个字段来指定预先存在的检查点: fine_tune_checkpoint和from_detection_checkpoint。(ie:"/usr/home/username/checkpoint/model.ckpt-#####")应该为fine_tune_checkpoint提供一个指向已有检查点的路径。
是否可以不指示fine_tun
浏览 4提问于2018-01-11得票数 1
我目前正在尝试使用带有python的Tensorflow对象检测API构建一个对象检测器。我按照贴出的faster-rcnn model和的指示重新训练了
然而，只要我知道我是，训练时间是相当长的。我知道我正在使用转移学习，而不是从零开始训练一个更快的rcnn模型。我想知道是否有下载一个未经训练的更快的rcnn模型，并培训它从零(端到端)，而不是求助于转移学习。
我很熟悉迁移学习的优点，但是，我的目标检测器的目标是快速训练，范围窄，并且接受与对象相反的字母训练，所以我不认为转移学习是最好的途径。
我认为解决这个问题将与pipeline.config文件有关，特别是在本部分：
fine_tune
浏览 0提问于2019-07-31得票数 0
回答已采纳
1回答
有很多模型已经在Github上进行了图像、NLP等不同任务的培训。我如何导入这些模型的权重，并在它们之上构建一个自定义模型？我应该从零开始为他们建立一个模型，并匹配每一层的数量和形状，或者我应该如何进行？
例如，假设我在下面训练了CNN模型，那么如何传输它并在以后与其他自定义层一起使用(例如，不同的输入形状)？
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt
(train_images, train_labels), (test_images, test_labels)
浏览 6提问于2022-10-27得票数 0
回答已采纳
1回答
我使用了tensorflow对象检测API。
这是我的环境。
所有图片来自coco。
Tensorflow version : 1.13.1
Tensorboard version : 1.13.1
Number of test images : 3000
Number of train images : 24000
Pre-trained model : SSD mobilenet v2 quantized 300x300 coco
Number of detecting class : 1(person)
这是我的train_config。
train_config: {
batch_
浏览 4提问于2020-09-03得票数 0
回答已采纳
TensorFlow的官方教程说，为了使BN层不更新均值和方差，我们应该在训练期间通过base_model(trainin=False)。我的问题是:为什么？为什么我们不需要更新均值和方差，我的意思是BN有imagenet均值和方差，为什么使用imagenet的均值和方差而不对新数据进行更新是有用的？即使在精细调优期间，在这种情况下，整个模型也会更新权重，但BN层仍将具有imagenet均值和方差。编辑:我正在使用本教程:
浏览 2提问于2020-12-13得票数 1
回答已采纳
1回答
使用，我成功地在码头容器中使用Tensorflow对象检测API创建了一个关于sagemaker的培训作业。现在我想用sagemaker来监控培训工作，但是找不到任何解释该如何做的东西。我不使用起泡笔记本。我想我可以通过将日志保存到一个S3桶中，并指向一个本地的张量板实例。但是不知道如何告诉tensorflow对象检测API在哪里保存日志(这有命令行参数吗?)类似于，但是脚本generate_tensorboard_command.py失败了，因为我的培训工作没有sagemaker_submit_directory参数。
事实是，当我开始培训工作时，在工作完成并上传所有内容之前，我的s3上不会
浏览 2提问于2020-05-25得票数 2
回答已采纳
2回答
如何在现有模型中添加类？
、、、
我用tensorflow对象检测/SSD移动网训练了一个模型。效果很好！
我想在它中添加一个类--只是为了检测钢笔或什么的。
我该怎么做？
我已经创建了我的映像集，我只是找不到任何教程或信息，如何添加一个单一的类到现有的模型。
谢谢!
浏览 0提问于2019-06-14得票数 5
回答已采纳
我开始使用来自slim的inception_v2_imagenet_2016_08_28预训练模型来训练faster_rcnn_inception_v2。
fine_tune_checkpoint: "./pretrained_models/inception_v2_imagenet_2016_08_28/inception_v2.ckpt"
from_detection_checkpoint: false
我收到关于缺少参数(gamma)的警告。我就能得到两倍的信息。
INFO:tensorflow:global step 435766: loss = 0.7736
浏览 5提问于2018-01-06得票数 0
回答已采纳
我微调SSD-MobileNetV3 3大型和SSD CPU上的Coco2017数据集，但只有图书类。我已经为此创建了一个新的数据集，并检查了数据集，并且它是好的。我还修改了配置文件以满足我的需要。当我开始培训时，它只会忽略配置文件中提供的“fine_tune_checkpoint”，然后从头开始。但是，如果我执行相同的过程，但是使用'model_dir‘目录中的检查点，它会尝试恢复它，但是由于我有不同的类数，它会给出一个错误。如何使培训过程正确地恢复检查点？我也尝试使用所有90个类的普通COCO数据集，当我开始培训时，'fine_tune_checkpoint‘将被忽略，但是
浏览 2提问于2020-09-29得票数 0
回答已采纳
1回答
目前，我正在尝试创建一个模型，以便从coco数据集中对5个特定的类进行分类。
我正在使用来自tensorflow的对象检测应用程序。
我的问题是：
如果我：
-训练一个模型同时检测所有的类。
或者：
<#>--每个类训练一个模型，使其能够很好地找到给定类的一个项，并在每个模型上迭代。
谢谢！)
浏览 0提问于2021-11-26得票数 0
回答已采纳
我通常只是使用train.py来训练使用Tensorflow对象检测API。然而，我从上读到，您也可以使用model_main.py来训练您的模型，并在Tensorboard上看到实时的情节和图像。
您是如何在Tensorboard上使用model_main.py的？
train.py和model_main.py有什么区别？
浏览 0提问于2019-01-08得票数 6
在预先训练的word2vec嵌入的情况下，损失函数是如何工作的，因为在training.Then期间没有更新权值，反向传递是如何工作的，以及它更新了什么来进行预测？
浏览 1提问于2019-03-26得票数 0
回答已采纳
1回答
我正在通过tensorflow执行对象检测，并且我面临着目标检测不太准确的问题。我使用的架构是faster_rcnn_resnet_101。
具体来说，我想提出的问题如下：
我正在尝试检测框，但我所附的图像检测到平板电脑为盒子，但有一个非常高的置信度水平(99%)。我想知道信心水平是在哪里定义和打印的，因为我真的很好奇为什么平板电脑有如此高的置信度，就像一个盒子一样。我输入的所有训练数据都是像我发现的那样的盒子。
有人能帮我找出Tensorflow对象检测API中定义的置信度在哪里吗？还是带我去解决这个问题？
浏览 0提问于2019-04-23得票数 2
回答已采纳
我使用inception、v3和tensorflow来识别图像中的一些对象。然而，它只是创建一个可能的对象列表，我需要它来通知他们在图像中的位置。
我正在学习花卉教程：
bazel-bin/tensorflow/examples/image_retraining/retrain --图像_dir~/花照片
浏览 3提问于2016-11-04得票数 7
2回答
我想知道你采取了哪些步骤来决定解冻模型的那一部分。你做过多次实验吗？由于GPU的使用是昂贵的，你必须有一些指导方针。注意:我知道数据集大小、数据集与原始数据集之间的关系以及这对我们是否训练更多层有多大的影响。然而，是否有一个经验规则涉及到模型的深度，以获得近似层？例如:尝试从169层开始解冻模型，或者从70-100层开始。
一个人需要多少才能了解预培训模型的具体情况？我可以在不知道体系结构的情况下使用它吗？谢谢你的帮助!
浏览 0提问于2020-01-07得票数 3
2回答
Tensorflow训练模型速度
、、、、
我是Tensorflow newby，我正在尝试训练一个1级的模型来进行目标检测。特别是，我试图识别如下箭头：
我需要一个非常快的识别，所以我开始怀疑一个预先训练的模型是否可以包含这样的形状。不幸的是，没有发现任何类似的东西，为此，我开始了我自己的箭头训练，使用作为模型的faster_rcnn_inception_v2_coco_2018_01_28。
我正在使用他的管道配置，我也在使用他的fine_tune_checkpoint，考虑到我必须训练一个完全不同的对象，这是正确的吗？
结果是一次精度很高但速度很慢的训练。我需要增加框架，我还不明白“训练损失”越少，“目标识别速度”越多，
浏览 0提问于2019-09-06得票数 0
回答已采纳
我正在训练一个图像分类模型，我的训练精度在提高，训练损失也在减少，但是验证精度保持不变。
这是我的代码：
from keras.applications.vgg19 import VGG19 model= VGG19(include_top=False, weights='imagenet',
input_tensor=None, input_shape=(224,224,3), pooling=None, classes=1000) x=model.output
x=Conv2D(filters=1024,kernel_size=2)(x)
x=MaxPo
浏览 0提问于2020-03-31得票数 1
1回答
我有一个ASUS n552vw笔记本电脑，有一个4GB专用的Geforce GTX 960图形卡。我把这些代码放在代码的开头，比较使用GPU或CPU的训练速度，我看到似乎使用CPU赢了！
GPU：
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'
CPU：
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
我已经安装了CUDA，cuDNN，tensorflow-gpu等来提高我的训练速度，但似乎相反的事情发生了！
当我尝试第一
浏览 0提问于2019-08-02得票数 2
回答已采纳
我使用anaconda(python3.6)，tensorflow 1.12.0在windows 10上学习。
我用这个命令训练：
cd E:\test\models-master\research\object_detection
模型_dir=训练/-num_ model_main.py _model_main.py=10000
当模特完成训练时，出现了这样一个错误：
......
Average Recall (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.100
Average Recall (AR) @[ IoU
浏览 0提问于2019-12-19得票数 5
回答已采纳
正在浏览最近发布的tensorflow/ models /./object_，特别是速度更快的going。
这篇论文提到了四步交替训练，在那里你可以
训练RPN然后冻结RPN层
训练RCNN，然后冻结RCNN层，
训练RPN，然后冻结RPN层
火车RCNN。
据我所知，在第二阶段= RCNN，RPN确实冻结了：
if self._is_training:
proposal_boxes = tf.stop_gradient(proposal_boxes)
因此，训练RPN +冻结RPN层，然后再进行RCNN培训，但是其他三个步骤在哪里执行呢？
我是不是遗漏了什么
浏览 4提问于2017-10-04得票数 3
回答已采纳
pip install tf-object-detection给了我这个错误：
ERROR: Cannot install tf-object-detection==0.0.1, tf-object-detection==0.0.2, tf-object-detection==0.0.2.1, tf-object-detection==0.0.2.3, tf-object-detection==0.0.2.4, tf-object-detection==0.0.2.5, tf-object-detection==0.0.2.6, tf-object-detection==0.0.2.7 and
浏览 19提问于2021-06-08得票数 0
1回答
我正在训练我的SSD-300型号，我已经将图像调整为300x300。我正在使用github：中提到的默认设置
在训练中损失是不稳定的。我试着训练到5万步。目前我得到的mAP是0.26(VOC 2007)和0.24 (VOC 2012)。
列车组: 1500张图片测试: 300张图片
电流参数：
!python train_ssd_network.py --dataset_name=pascalvoc_2007 --dataset_split_name=train --model_name=ssd_300_vgg --save_summaries_secs=60 --save_interval_
浏览 7提问于2021-10-24得票数 0
2回答
神经网络的微调
、、
我最近读过关于微调的文章，我想知道的是，当我们对模型进行微调时，是否有必要冻结模型，只训练模型的顶部，然后解冻一些层，然后再重新训练模型，或者直接从解冻一些层开始？到目前为止，我已经读到没有直接解冻层，因为这样我们就有可能失去早期层捕获的重要功能。
浏览 0提问于2019-11-25得票数 0
回答已采纳
我正在尝试使用TensorFlow对象检测应用编程接口执行多GPU训练。 我在我的NVIDIA-SMI中看到的是，实际上只有1个GPU被使用。提供的其他3个GPU加载了GPU进程，但内存使用率为300MB，利用率始终为0% 我使用在COCO上预先训练的基于固态硬盘MobileNetV1的网络，然后用我的自定义数据集对其进行训练。 我希望当我为Tensorflow提供更多的GPU时，框架实际上会使用它们来加速训练。
浏览 49提问于2019-10-09得票数 3
使用下面的例子进行迁移学习有什么区别？
图像分类.使用预训练模型(MobileNet V2模型) https://www.tensorflow.org/tutorials/images/transfer_learning#create_这个_基座_模型_从…_这个_预训练_凸网进行传递学习和微调
对象检测-见Create model and restore weights for all but last layer节(ssd_resnet50模型)- https://github.com/tensorflow/models/blob/master/research/object_检测/实验室
浏览 0提问于2022-08-03得票数 0
1回答
我正在从事一个项目，在这个项目中，我试图实施转移学习，对心电信号(一维)进行分类。我有一个精度相当高的预训练模型，但是模型是在一个不同的数据集上训练的，数据集的输入形状为(4096,12)和输出形状(6)。我想微调这个预先训练的模型，我的数据有一个输入形状(350,5)。为此，我在预先训练的模型输入之前添加了一些层，以获得形状(4096,12)，并添加了一个形状(5)的输出致密层。我的模型的代码如下：
from tensorflow.keras.layers import Dense,Input,Conv1D, BatchNormalization,
Activation,Flatten,R
浏览 9提问于2022-01-10得票数 0
Open提供了一个简单的API来检测和提取给定图像中的人脸。(不过，我不认为它工作得很好，因为我感觉到它从输入的图像中剪出了与面部图像无关的帧。)
我想知道tensorflow API是否可以用于人脸检测。我没有找到相关的信息，但希望在这个领域有经验的人能在这个问题上指导我。tensorflow的对象检测API可以和Open一样用于人脸检测吗？(我的意思是，只需调用API函数，它就会从给定的输入图像中给出脸图像。)
浏览 0提问于2018-09-29得票数 1
回答已采纳
2回答
我想确定我对这个问题的理解是正确的。我想做图像分类，在我的领域的现状是通过转移学习在VGG16实现。
由于这一领域的图像与VGG16图像完全不同，我们应该解冻“大量”的图层。
原始VGG16模型具有130 m以上的参数。它有大约13个隐藏层和3个完全连接的层在末尾。如果我只解冻完全连接的层，我仍然有超过80M的参数来训练！我可能需要解冻一些隐藏层以获得更好的性能，因为我的数据非常不同
所以看起来，使用VGG16进行传输学习需要大量的计算能力
我说的对吗？有没有可能在没有大量计算能力的情况下，使用图像传输学习，而不是训练数据呢？
浏览 0提问于2019-06-26得票数 2
回答已采纳
我正在尝试微调Inception-v3，但无论我选择冻结哪一层，我都会得到随机预测。我发现其他人也有同样的问题：。问题似乎来自于将BN层设置为不可训练。现在我正在尝试获取我想要冻结的最后一层的输出，并将其用作以下层的输入，然后我将对其进行训练：
train_generator = train_datagen.flow_from_directory(
os.path.join(directory, "train_data"),
target_size=size,
interpolati
浏览 1提问于2018-04-06得票数 1
我需要使用tensorflow对象检测API (ssd_mobilenet_v1_coco)，但我必须使用tensorflow 1.3.0 (由于环境原因必须使用)。
我在1.9.0上有一个经过再培训的模型，但它与1.3.0不兼容：
回溯(最近一次调用)：文件"run_test.py"，第29行，在tf.import_graph_def(od_graph_def，name='')文件ValueError第285行，在import_graph_def raise (‘在定义操作中没有命名%s。’‘% node.op) ValueError:在定义操作中没有命名为
浏览 0提问于2018-12-26得票数 0
1回答
我使用dataset api加载了两个数据集，一个用于训练，另一个用于评估。在运行评估或培训之前，我会使用sess.run(train_init_op)在它们之间进行切换。 目前，我在完成一个时期后运行评估，即在完全运行训练数据集之后。 如果我想在训练数据集完成之前评估我的网络，我必须更早地切换，这样tensorflow就会忘记它在训练数据集中的位置。有没有办法记住训练数据集迭代器的状态？并在评估结束后切换回此位置？
浏览 15提问于2019-01-30得票数 1
2回答
📷
我的问题是与模型权值优化在反向传播。在这张图片中，我试图表示一个自动编码器，它有7层，其中第4层是中间层。
如果我的理解是正确的，在jth+1层的反向传播结果中，将有助于优化jth层的权重。如果它是正确的，我想限制权重培训的编码器层，并希望执行我的定制培训。
定制培训应该如下所示：
直到第四层正常的反向传播。
第三层的重量将被训练(优化)使用第四层的输出，如粉红色箭头中提到的。
第二层的权重将与第5层的结果一起训练，如黄色箭头中所提到的。
第1层的权重将与第6层的结果一起训练，如蓝色中提到的那样。
我想知道如何实现这种定制的可培训架构?我对Tensorflow很熟悉，但我无法找到任何解决方
浏览 0提问于2020-02-07得票数 0
2回答
什么是意象注解？
、、、、
为什么我们需要使用拉布利格工具来检测对象呢？
在使用labelimg标记了一组训练图像之后，这将给CSV文件提供如何与TensorFlow对象检测API和Keras一起工作的方法？
在没有图像注释工具的情况下，我们能检测到图像定位吗？就像自动注释。
浏览 0提问于2020-03-02得票数 1
我想在多个CPU上进行训练，所以我运行以下命令
C:\Users\solution\Desktop\Tensorflow\research>python对象_检测/TRAN.py --logtostderr --pipeline_config_path=C:\Users\solution\Desktop\Tensorflow\myFolder\power_drink.config --train_dir=C:\Users\solution\Desktop\Tensorflow\research\object_detection\train --num_克隆=2-克隆_on_cpu=Tr
浏览 0提问于2018-02-14得票数 8
3回答
我正在关注官方网站上的TensorFlow。指出在微调过程中，批量归一化层应采用推理方式：
关于BatchNormalization层的重要注记
许多图像模型都包含BatchNormalization层。这一层对于每一个可以想象的计数来说都是一个特例。这里有几件事要记住。
BatchNormalization包含2个不可训练的重量，在训练期间得到更新。这些是跟踪输入的均值和方差的变量。
设置bn_layer.trainable = False时，BatchNormalization层将以推理模式运行，不会更新其均值和方差统计信息。对于一般的其他层，就不是这样了。但在BatchN
浏览 7提问于2021-06-08得票数 3
我有一个TensorFlow 2模型，有一个经过预先训练的Keras层来自TensorFlow集线器.我想微调这个子模型中的权重，以适应我的数据集，但是如果我天真地设置trainable=True和training=True，我的模型会非常适合。
如果我将底层模型的实际层置于我的控制之下，我将在这些单独的层上插入下拉层或设置L2系数。但是这些层是使用TensorFlow集线器方法导入到我的网络中的。此外，我怀疑底层模型是相当复杂的。
我想知道解决这类问题的标准做法是什么。
也许有办法强制整个网络正规化？我知道在TensorFlow 1中，有一些像这样的优化器采用L2系数。在TensorFlow
浏览 1提问于2019-04-19得票数 1
我试图使用MultiWorkerMirroredStrategy (通过在调用model_main_tf2.py中设置-num=2)来训练研究模型ssd_mobilenet_v1_fpn_640x640_co17_tpu-8。我试着训练两个工人(0和1)，每个人都有一个GPU。但是，当我尝试这样做时，我会得到以下错误，总是在worker 1上：
Traceback (most recent call last):
File "C:\Users\JS\.conda\envs\tensor2\lib\site-packages\tensorflow\python\distribute\
浏览 10提问于2022-05-11得票数 0
回答已采纳
我在我的项目中使用了Tensorflow对象检测API模型。SSD MobileNet是我正在研究的模型。我想知道，有没有办法找到模型的准确性。只是精确性，而不是mAP，因为模型确实找到了mAP，但没有精确性。所以我想知道是否有人使用过Tensorflow对象检测API模型，并且知道如何显示训练数据的准确性或测试的准确性。
浏览 2提问于2022-06-05得票数 0
为了分析视频，我尝试使用带有Keras的CNN-LSTM网络。我阅读了这方面的内容，并遇到了TimeDistributed函数和一些示例。
实际上，我尝试了下面描述的网络，它实际上是由一个卷积层和池层组成，然后是递归和密集层。
model = Sequential()
model.add(TimeDistributed(Conv2D(2, (2,2), activation= 'relu' ), input_shape=(None, IMG_SIZE, IMG_SIZE, 3)))
model.add(TimeDistributed(MaxPooling2D(pool_size
浏览 0提问于2019-09-27得票数 5
我试着建立一个有两个损失函数的神经网络，它们像加权和一样组合在一起。第一种方法只计算密集层和给定标签线性输出的，而另一种方法则大量使用嵌套。tf.layers.batch_normalization()中使用了批处理规范层，因此我不得不将这些行添加到优化目标中：
with tf.name_scope("Optimizer"):
with tf.control_dependencies(tf.get_collection(tf.GraphKeys.UPDATE_OPS)):
adam = tf.train.AdamOptimizer
浏览 0提问于2018-11-27得票数 1
回答已采纳
我正在探索如何创建一个对象检测模型来对图像中的项目进行分类。有3个类别，我有100个图像每堂课。
我在这里发现了张量流教程：https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/training.html#configuring-a-training-job
上面写着：
为了本教程的目的，我们将不会从头开始创建一个培训工作，而是重用TensorFlow提供的一个预先培训过的模型。
在上面的引文中，pre-trained model是否意味着它将重复使用来自预培训模型的培训数据(我看不到在预培训模型中使
浏览 0提问于2022-08-01得票数 0
我有一个具有不同类型的几个层的部分神经网络，具有权值$\theta$；让我们称它为$F_{\theta}$；输入和输出数组的尺寸是相同的，在带有Tensorflow后端的Keras中实现。在这个框架内，如何训练形式为$y =F_{\theta}(F_{theta}(X))$的模型，或者更一般地说是$F_{\theta}$的$n$-th迭代？换句话说，我重用整个神经网络子集，具有所有相同的权重，因此整个模型更深，但没有比浅层模型更多的参数。
浏览 0提问于2018-02-21得票数 2
我遵循了整个步骤/代码格式(经过多次反复检查以确保它们是正确的)，以及在Tensorflow对象检测API上培训自定义对象所需的数据。我尝试过使用ssd_mobilenet_v1_coco、faster_rcnn_resnet101_coco以及faster_rcnn_inception_v2_coco模型，但仍然没有取得任何好的效果。我得到的只是对物体的错误分类，或者根本没有边框。
我正在训练以检测单个类别的对象，其中训练图像的数量约为250幅，验证图像的数目为63幅；每幅图像的大小都不同，大多在300 x 300像素左右，或更小。我正在训练这些模型，直到它们趋于一致为止(还没有完全)。我知
浏览 1提问于2018-03-26得票数 5
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
