如何重新训练 inception-v1 模型？

Question

我已经成功浏览了official tutorial，它解释了如何重新训练 inception-v3 模型，后来成功地重新训练了相同的模型 o 为特定目的训练模型。

然而，与其他更简单的模型（例如 inception-v1）相比，该模型复杂且速度慢，对于某些任务来说，它的准确性已经足够好。具体来说，我想重新训练模型以在 Android 上使用它，理想情况下，速度方面的性能应该与原始 TensorFlow Android demo 相当。无论如何，我尝试从 this link 重新训练 inception-v1 模型，并在 retrain.py 中进行了以下修改：

BOTTLENECK_TENSOR_NAME = 'avgpool0/reshape:0'
BOTTLENECK_TENSOR_SIZE = 2048
MODEL_INPUT_WIDTH = 224
MODEL_INPUT_HEIGHT = 224
MODEL_INPUT_DEPTH = 3
JPEG_DATA_TENSOR_NAME = 'input'
RESIZED_INPUT_TENSOR_NAME = 'input'

与 inception v3 不同，inception v1 没有任何 decodeJpeg 或 resize 节点：

inception v3 节点：

DecodeJpeg/contents
DecodeJpeg
Cast
ExpandDims/dim
ExpandDims
ResizeBilinear/size
ResizeBilinear
...
pool_3
pool_3/_reshape/shape
pool_3/_reshape
softmax/weights
softmax/biases
softmax/logits/MatMul
softmax/logits
softmax

inception v1 节点：

input
conv2d0_w
conv2d0_b
conv2d1_w
conv2d1_b
conv2d2_w
conv2d2_b
...
softmax1_pre_activation
softmax1
avgpool0/reshape/shape
avgpool0/reshape
softmax2_pre_activation/matmul
softmax2_pre_activation
softmax2
output
output1
output2

所以我猜图像在被输入图表之前必须重新整形。

现在点击以下函数时会出现错误：

def run_bottleneck_on_image(sess, image_data, image_data_tensor,
                            bottleneck_tensor):
  """Runs inference on an image to extract the 'bottleneck' summary layer.

  Args:
    sess: Current active TensorFlow Session.
    image_data: Numpy array of image data.
    image_data_tensor: Input data layer in the graph.
    bottleneck_tensor: Layer before the final softmax.

  Returns:
    Numpy array of bottleneck values.
  """

  bottleneck_values = sess.run(
      bottleneck_tensor,
      {image_data_tensor: image_data})
  bottleneck_values = np.squeeze(bottleneck_values)
  return bottleneck_values

错误：

TypeError：无法将 feed_dict 键解释为张量：无法转换 对张量的操作。

我猜想在 inception v3 中传递以下节点后，必须对 inception v1 图的输入节点上的数据进行重新整形以匹配数据：

DecodeJpeg/contents
DecodeJpeg
Cast
ExpandDims/dim
ExpandDims
ResizeBilinear/size
ResizeBilinear

如果有人已经设法重新训练 inception v1 模型或知道如何重塑 inception v1 案例中的数据以匹配 inception v3，我将非常感谢任何提示或建议。

Answer 1

（对于那些仍然感兴趣的人）
对于 inception-v1，瓶颈张量大小应为 1024。对我来说，以下设置适用于提到的inception-v1 和this retrain script。不需要 jpeg 数据张量或其他。

bottleneck_tensor_name = 'avgpool0/reshape:0'
bottleneck_tensor_size = 1024
input_width = 224
input_height = 224
input_depth = 3
resized_input_tensor_name = 'input:0'

Answer 2

不确定您是否解决了这个问题，但我正在解决类似的问题。

我正在尝试在 Inception-v3 迁移学习教程中使用不同的模型（不是 Inception-v1 或 Inception-v3）。这篇文章似乎在重新映射新模型的输入（在您的情况下为 inception-v1）以与教程其余部分中使用的 jpeg 编码配合得很好： feeding image data in tensorflow for transfer learning

我遇到的唯一问题是我的输入中有一个错误，说“无法将 uint8 类型的张量转换为 float32 的输入类型”，但这至少可以让您走上正轨。

祝你好运！