我想在 tensorflow 示例中从给定的 inceptionV3 进行迁移学习。按照分类图像示例以及此处给出的运算符和张量名称https://github.com/AKSHAYUBHAT/VisualSearchServer/blob/master/notebooks/notebook_network.ipynb，我可以创建我的图表。但是，当我将一批大小为 (100, 299, 299, 3) 的图像放入预先计算的初始图中时，我在 pool_3 层得到以下形状错误：
ValueError: Cannot reshape a tensor with 204800 elements to shape [1, 2048] (2048 elements)
这个 inceptionV3 图表似乎不接受图像批处理作为输入。我错了吗？
【问题讨论】：
标签： tensorflow
etarion 提出了一个非常好的观点。但是，我们不必自己重塑它；相反，我们可以更改shape 的值，reshape 将其作为输入。即，
input_tensor_name = 'import/input:0'
shape_tensor_name = 'import/InceptionV3/Predictions/Shape:0'
output_tensor_name= 'import/InceptionV3/Predictions/Reshape_1:0'
output_tensor = tf.import_graph_def(
graph.as_graph_def(),
input_map={input_tensor_name: image_batch,
shape_tensor_name: [batch_size, num_class]},
return_elements=[output_tensor_name])
这些张量名称基于inception_v3_2016_08_28_frozen.pb。
【讨论】：
应该这样做：
with g.as_default():
inputs = tf.placeholder(tf.float32, shape=[batch_size, 299, 299, 3],
name='input')
with slim.arg_scope(inception.inception_v3_arg_scope()):
logits, end_points = inception.inception_v3( inputs,
num_classes=FLAGS.num_classes, is_training=False)
variables_to_restore = lim.get_variables_to_restore(exclude=exclude)
sess = tf.Session()
saver = tf_saver.Saver(variables_to_restore)
那么你应该可以调用操作了：
sess.run("pool_3:0",feed_dict={'ResizeBilinear:0':images})
【讨论】：
如果你提取正确的东西，它实际上适用于迁移学习。将一批[N, 299, 299, 3] 形状的图像作为ResizeBilinear:0 输入，然后使用pool_3:0 张量是没有问题的。打破的是之后的重塑，但你可以重塑自己（无论如何你都会有自己的层）。如果您想批量使用原始分类器，您可以在 pool_3:0 之上添加自己的整形，然后添加 softmax 层，重用原始 softmax 的权重/偏差张量。
TLDR：double_img 是两个形状为 (2, 299, 299, 3) 的图像的堆栈，这样可以：
pooled_2 = sess.graph.get_tensor_by_name("pool_3:0").eval(session=sess, feed_dict={'ResizeBilinear:0':double_img})
pooled_2.shape
# => (2, 1, 1, 2048)
【讨论】：
你没有错。这似乎是一个非常合理的功能请求，所以我打开了a ticket for it on github。关注更新。
【讨论】：