Tensorflow：加载预训练 ResNet 模型时出错

2024-04-21

我想使用 Tensorflow 中预先训练的 ResNet 模型。我下载了code https://github.com/tensorflow/models/blob/master/research/slim/nets/resnet_v1.py (resnet_v1.py）对于模型和检查站 http://download.tensorflow.org/models/resnet_v1_50_2016_08_28.tar.gz (resnet_v1_50.ckpt) file here https://github.com/tensorflow/models/tree/master/research/slim.

我已经可以解决该错误ImportError: No module named 'nets'通过使用以下帖子：请参阅here https://stackoverflow.com/questions/46030481/importerror-no-module-named-nets答案来自茨维蒂科 https://stackoverflow.com/users/4137497/tsveti-iko.

现在我收到以下错误并且不知道该怎么办：

NotFoundError (see above for traceback): Restoring from checkpoint failed. 
This is most likely due to a Variable name or other graph key that is missing from the checkpoint. 
Please ensure that you have not altered the graph expected based on the checkpoint. Original error:

    Tensor name "resnet_v1_50/block1/unit_1/bottleneck_v1/conv1/biases" 
not found in checkpoint files /home/resnet_v1_50.ckpt
         [[node save/RestoreV2 (defined at my_resnet.py:34)  = 
RestoreV2[dtypes=[DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, ...,
DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT], _device="/job:localhost
/replica:0/task:0/device:CPU:0"](_arg_save/Const_0_0, save/RestoreV2
/tensor_names, save/RestoreV2/shape_and_slices)]]

这是我尝试加载模型时使用的代码：

import numpy as np
import tensorflow as tf
import resnet_v1

# Restore variables of resnet model
slim = tf.contrib.slim

# Paths
network_dir = "home/resnet_v1_50.ckpt"

# Image dimensions
in_width, in_height, in_channels = 224, 224, 3

# Placeholder
X = tf.placeholder(tf.float32, [None, in_width, in_height, in_channels])

# Define network graph
logits, activations = resnet_v1.resnet_v1_50(X, is_training=False)
prediction = tf.argmax(logits, 1)

with tf.Session() as sess:
    variables_to_restore = slim.get_variables_to_restore()
    saver = tf.train.Saver(variables_to_restore)
    saver.restore(sess, network_dir) 

    # Restore variables
    variables = tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)

    # Feed random image into resnet
    img = np.random.randn(1, in_width, in_height, in_channels)
    pred = sess.run(prediction, feed_dict={X:img})

谁能告诉我，为什么它不起作用？我必须如何更改代码才能使其运行？

也许你可以使用 ResNet50tf.keras.applications https://www.tensorflow.org/api_docs/python/tf/keras/applications?

根据错误，如果您没有以任何方式更改图表，并且这是您的整个源代码，那么调试可能真的非常困难。

如果你选择理智tf.keras.applications.resnet50 https://keras.io/applications/#resnet你可以像这样简单地做到这一点：

import tensorflow

in_width, in_height, in_channels = 224, 224, 3

pretrained_resnet = tensorflow.keras.applications.ResNet50(
    weights="imagenet",
    include_top=False,
    input_shape=(in_width, in_height, in_channels),
)

# You can freeze some layers if you want, depends on your task
# Make "top" (last 3 layers below) whatever fits your task as well

model = tensorflow.keras.models.Sequential(
    [
        pretrained_resnet,
        tensorflow.keras.layers.Flatten(),
        tensorflow.keras.layers.Dense(1024, activation="relu"),
        tensorflow.keras.layers.Dense(10, activation="softmax"),
    ]
)

print(model.summary())

现在推荐使用这种方法，特别是考虑到即将推出的 Tensorflow 2.0、合理性和可读性。顺便提一句。该模型与Tensorflow提供的模型相同，是从IIRC转来的。

您可以阅读更多有关tf.keras.applications在链接的文档和各种博客文章中，例如this one https://www.learnopencv.com/keras-tutorial-fine-tuning-using-pre-trained-models/或其他网络资源。

我如何在 Keras 中

回答评论中的问题

How do I pass images to the network?: use model.predict(image)如果你想做出预测，图像在哪里np.array。就那么简单。
How do I access weights?：嗯，这个比较复杂……开玩笑吧，每一层都有.get_weights()返回其权重和偏差的方法，您可以使用以下方法迭代各层for layer in model.layers()。您可以使用一次获得所有权重model.get_weights()以及。

总而言之，您将学习 Keras，并且在比调试此问题更短的时间内比在 Tensorflow 中更有效率。他们有30秒指导 https://keras.io/#getting-started-30-seconds-to-keras因为某种原因。

BTW.Tensorflow 默认提供 Keras，因此 Tensorflow 的 Keras 风格isTensorflow 的一部分（无论这听起来多么令人困惑）。这就是为什么我用过tensorflow在我的例子中。

使用 Tensorflow Hub 的解决方案

看来你可以加载和微调Resnet50使用集线器，如所述这个链接 https://tfhub.dev/google/imagenet/resnet_v1_50/feature_vector/1.

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

python

tensorflow