使用Tensorflow TF-Slim無slim.learning.train（）

TF-Slim使用自己的訓練循環。但是，我仍想使用TF-Slim模型（Resnet50），同時仍使用我自己的張量流訓練環。 TF-Slim模型只是輸出預測，我計算自己的總損失。我能夠無誤地訓練模型，並且訓練錯誤似乎會收斂。我在問，因爲在評估過程中遇到批量歸一化問題（與培訓錯誤相比，錯誤率非常高）。我發現這可能是由於訓練步驟不足。但我想確保我沒有正確使用TF-Slim。使用Tensorflow TF-Slim無slim.learning.train（）

的TF-修身訓練過程是這樣的：

#create_train_op ensures that each time we ask for the loss, the 
update_ops 
# are run and the gradients being computed are applied too. 

train_op = slim.learning.create_train_op(total_loss, optimizer) 
logdir = ... # Where checkpoints are stored. 

slim.learning.train(
    train_op, 
    logdir, 
    number_of_steps=1000, 
    save_summaries_secs=300, 
    save_interval_secs=600):

我不想使用train_op但像他這樣

def update_gradients(update_ops, optimizer, total_loss, variables_to_train, global_step, summaries): 
    for grad, var in gradients: 
     if grad is not None: 
     summaries.add(tf.summary.histogram(var.op.name + '/gradients', grad)) 
    grad_updates = optimizer.apply_gradients(gradients, 
             global_step=global_step) 
    update_ops.append(grad_updates) 

    update_op = tf.group(*update_ops) 
    with tf.control_dependencies([update_op]): 
     train_tensor = tf.identity(total_loss, name='train_op') 
     return train_tensor

的東西，然後調用sess.run(train_tensor)

不這會在內部導致任何問題？我讀到這裏應該使用train_op：直接github issues

或者是它根本就沒有允許通過，例如，train_tensor到 slim.learning.train()功能？

來源

2017-06-05 user3142067

你可以試着讀入slim.learning.train'的'源代碼，並剖析您需要的任何部件的功能。它在技術上應該是一樣的。 – kwotsin

有幾個例子說明你在這次演練中想要達到什麼，希望它能幫助你：https://github.com/tensorflow/models/blob/master/slim/slim_walkthrough.ipynb – RoccoLacatus

我想你可以嘗試覆蓋slim.learning.train的參數列表中的train_step_fn（）來實現它

來源

2017-11-15 05:19:58

使用Tensorflow TF-Slim無slim.learning.train（）

回答

相關問題