Tensorflow inception-V3 Ponownie trenuj wiele warstw

Question

Z powodzeniem przetasowałem początkową warstwę klasyfikacji V3 za pomocą interfejsu API Python2.7 na moje własne 100 klas i daje przyzwoite wyniki, ale niezbyt dobre.

Mam również kod do przekierowania całej sieci od zera, jak podano here (google code), ale to jest czasochłonność zasobów i czasu i mam 400 000 zdjęć, więc nie wiem jaka będzie dokładność po treningu.

Zastanawiam się, czy mogę przekwalifikować niektóre z kilku ostatnich w pełni połączonych warstw, lub więcej niż tylko warstwę klasyfikacji, aby dokładność mogła zostać w pewnym stopniu poprawiona, a także nie jest ona wymagająca obliczeniowo pod względem zasobów i czas.

Próbowałem dużo szukać, ale nie mogłem nic znaleźć. Możliwe, co chcę zrobić? i potrzebuję pomocy w tej sprawie.

Answer 1

Optymalizatorzy przyglądają się liście "zmiennych do trenowania". Odniesienie do tej tablicy jest dostępne przy użyciu tf.get_collection_ref(tf.GraphKeys.TRAINABLE_VARIABLES). Powinieneś być w stanie to zmienić. Wersja tylko do odczytu to tf.trainable_variables.

Pamiętaj, że krok naprzód (wnioskowanie) zawsze będzie wymagał uruchomienia, więc musisz zapłacić ten koszt. Jeśli tego nie chcesz, najłatwiej jest uruchomić wnioskowanie, zapisać wyjście do rekordów tf, a następnie wytrenować wstępnie przetworzone próbki danych.