Tensorflow Slim Imagenet培訓

我正在嘗試準備從零開始培訓ImageNet模型的日期，我對培訓的工作原理有點困惑。Tensorflow Slim Imagenet培訓

在準備TF記錄時，我在Inception模型數據目錄中注意到這個文件：「imagenet_metadata.txt」。該文件包含21842類的標籤，但培訓腳本和「imagenet_lsvrc_2015_synsets.txt」文件僅適用於1000個類。

我想知道我需要做什麼修改來訓練21K類的模型而不是1K的？

來源

2017-03-15 Zaid Amir

這是很簡單的用slim.To列車imgnet 21K採用纖薄的，我建議做以下步驟：

1.In tf_models /超薄/數據集文件夾創建imagenet.py文件（例如imgnet的副本。 PY）。在新的文件更改所需的變量到你所需的值：

_FILE_PATTERN = ####your tfrecord_file_pattern. for me('imgnet_%s_*.tfrecord') 
    _SPLITS_TO_SIZES = { 
     'train': ####Training Samples, 
     'validation': ####Validation Samples,} 
    _NUM_CLASSES = 21841

* WordNet的同義詞集包含21482項，但在21481（n04399382遺漏）的imagenet21k類的總數。所以可以肯定的關於可用類的總數。

*您還需要對代碼進行一些修改，以便從本地地址加載synset文件。

base_url = '/home/snf/libraries/tf_models/slim' 
    synset_url = '{}/listOfTags.txt'.format(base_url) 
    synset_to_human_url = '{}/imagenet21k_metadata.txt'.format(base_url)

添加新的數據集tf_models /超薄/數據集datasetfactory.py：

from datasets import imgnet 
datasets_map = { 
'cifar10': cifar10, 
'flowers': flowers, 
'imagenet': imagenet, 
'mnist': mnist, 
'imgnet': imgnet, #add this line to dataset_map 

}

在tf_models /超薄/創建一個包含這些行Train_Imgnet.sh文件：

TRAIN_DIR=trained/imgnet-inception-v4 
DATASET_DIR=/media/where/tfrecords/saved/tfRecords-fall11_21k 
CUDA_VISIBLE_DEVICES="0,1,2,3" python train_image_classifier.py 

    --train_dir=${TRAIN_DIR} \ 
    --dataset_name=imgnet \ 
    --dataset_split_name=train \ 
    --dataset_dir=${DATASET_DIR} \ 
    --model_name=inception_v4 \ 
    --max_number_of_steps=10000000 \ 
    --batch_size=32 \ 
    --learning_rate=0.01 \ 
    --learning_rate_decay_type=fixed \ 
    --save_interval_secs=60 \ 
    --save_summaries_secs=60 \ 
    --log_every_n_steps=100 \ 
    --optimizer=rmsprop \ 
    --weight_decay=0.00004\ 
    --num_readers=12 \ 
    --num_clones=4

將文件設置爲可執行文件（Chmod + x Train_Imgnet.sh）並運行它（./Train_Imgn et.sh）

來源

2017-08-01 06:43:44

Tensorflow Slim Imagenet培訓

回答

相關問題