Я ознакомился с вводным документом TF Slim и, насколько я понимаю, он принимает только одну партию данных изображения при каждом запуске (32 изображения). Очевидно, кто-то хочет пройти через это и тренироваться для множества разных партий. Вступление не распространяется на это. Как это можно сделать правильно. Я предполагаю, что должен быть какой-то способ указать функцию пакетной загрузки, которая должна быть вызвана автоматически при запуске события пакетного обучения, но я не могу найти простой пример для этого во вступлении.Пакетное обучение в Tensorflow Slim
# Note that this may take several minutes.
import os
from datasets import flowers
from nets import inception
from preprocessing import inception_preprocessing
slim = tf.contrib.slim
image_size = inception.inception_v1.default_image_size
def get_init_fn():
"""Returns a function run by the chief worker to warm-start the training."""
checkpoint_exclude_scopes=["InceptionV1/Logits", "InceptionV1/AuxLogits"]
exclusions = [scope.strip() for scope in checkpoint_exclude_scopes]
variables_to_restore = []
for var in slim.get_model_variables():
excluded = False
for exclusion in exclusions:
if var.op.name.startswith(exclusion):
excluded = True
break
if not excluded:
variables_to_restore.append(var)
return slim.assign_from_checkpoint_fn(
os.path.join(checkpoints_dir, 'inception_v1.ckpt'),
variables_to_restore)
train_dir = '/tmp/inception_finetuned/'
with tf.Graph().as_default():
tf.logging.set_verbosity(tf.logging.INFO)
dataset = flowers.get_split('train', flowers_data_dir)
images, _, labels = load_batch(dataset, height=image_size, width=image_size)
# Create the model, use the default arg scope to configure the batch norm parameters.
with slim.arg_scope(inception.inception_v1_arg_scope()):
logits, _ = inception.inception_v1(images, num_classes=dataset.num_classes, is_training=True)
# Specify the loss function:
one_hot_labels = slim.one_hot_encoding(labels, dataset.num_classes)
slim.losses.softmax_cross_entropy(logits, one_hot_labels)
total_loss = slim.losses.get_total_loss()
# Create some summaries to visualize the training process:
tf.scalar_summary('losses/Total Loss', total_loss)
# Specify the optimizer and create the train op:
optimizer = tf.train.AdamOptimizer(learning_rate=0.01)
train_op = slim.learning.create_train_op(total_loss, optimizer)
# Run the training:
final_loss = slim.learning.train(
train_op,
logdir=train_dir,
init_fn=get_init_fn(),
number_of_steps=2)
print('Finished training. Last batch loss %f' % final_loss)
Не является ли функция load_batch неопределенной в примере кода u shared? Я не знаком с вашим примером, но я начал бы читать эту функцию, чтобы понять пакетный процесс. – pltrdy
Здесь указывается https://github.com/tensorflow/models/blob/master/slim/slim_walkthough.ipynb Но это ничего не делает, кроме того, что вы получаете пакет. –
Значит, вам просто нужно перебирать партии! – pltrdy