tf-slim

    -3熱度

    1回答

    我使用一些東西來提高準確性,但它沒有奏效。 輟學率會很好地增加它。 我想使用dropout來提高準確性。 如何在瘦身時使用脫落?

    0熱度

    1回答

    一個衆所周知的地方可以下載tensorflow slim的許多預訓練模型權重,此頁面https://github.com/tensorflow/models/tree/master/slim。這個頁面也被很多鏈接引用(現在全部無效)。我記得幾天前我訪問過這個頁面,一切正常,但現在它停止工作(github返回404)。任何人都可以好好告訴我,如果它被移到其他地方,或完全刪除。或者,有人可以建議我下載

    0熱度

    1回答

    我正在使用tf-slim從幾批圖像中提取特徵。問題是我的代碼工作爲第一批,在那之後,我得到的title.My代碼中的錯誤是這樣的: for i in range(0, num_batches): #Obtain the starting and ending images number for each batch batch_start = i*training_batch_

    1熱度

    1回答

    我正在使用tensorflow slim加載預先訓練過的模型,如vgg和resnet-50。因此,對於VGG,TF-纖薄提供了一種方式來加載像RGB平均值: from preprocessing.vgg_preprocessing import (_mean_image_subtraction, _R_MEAN, _G_MEAN, _B_MEAN) 我找不到res

    0熱度

    1回答

    我不確定是否正確理解tf.metrics和tf.contrib.slim.metrics。 下面是該程序的一般流程: # Setup of the neural network... # Adding some metrics dict_metrics[name] = compute_metric_and_update_op() # Getting a list of all metri

    1熱度

    1回答

    在大多數tensorflow苗條教程,超薄模塊使用加載, slim = tf.contrib.slim 似乎做任何區別它不(我缺少什麼嗎?),如果我做 from tensorflow.contrib import slim 有什麼特別的我們希望使用'slim = tf.contrib.slim'而不是'import'的原因是什麼?

    1熱度

    2回答

    我在CPU上使用Python 2.7.13和Tensorflow 1.3.0。 我想使用DensNet(https://github.com/pudae/tensorflow-densenet)進行迴歸問題。我的數據包含60000個jpeg圖像,每個圖像有37個浮動標籤。 我救了我的數據轉換成tfrecords文件方式: def Read_Labels(label_path): labels_c

    1熱度

    2回答

    我在張量流亭亭玉立中使用ResNet-50模型來提取特徵。我的問題是,在攝取圖像之前,是否需要根據一些標準ResNets-50平均值將圖像居中?我知道vgg-19 tf-slim提供了使用中定義的 _mean_image_subtraction(image, means)進行對中的選項。但是我找不到ResNets的任何這樣的文件或功能。

    1熱度

    2回答

    我想用TF-Slim的迴歸問題使用DensNet。我的數據包含60000個jpeg圖像,每個圖像有37個浮動標籤。我將我的數據分成了一個火車集(60%),一個驗證集(20%)和一個測試集(20%)的三個不同的tfrecords文件。 我需要在訓練循環中評估驗證集並製作一個如image的圖。 在TF-Slim文檔中,他們只是分別解釋訓練循環和評估循環。訓練結束後,我可以評估驗證或測試集。正如我所說,

    1熱度

    1回答

    定義一個非常簡單的偏置初始化我需要編寫一個簡單的初始化爲我的卷積層的偏見。我使用tf.slim這樣我就可以調用卷積層時指定的初始化,like so. 我想這只是初始化偏置到自己的自定義功能,以取代biases_initializer=init_ops.zeros_initializer()給定不變,例如: `biases_initializer=custom_initializer(value)`