Как объединить модель Slim VGG без слоев F c и добавить пользовательские слои - PullRequest
Новая
       89

Как объединить модель Slim VGG без слоев F c и добавить пользовательские слои

0 голосов
/ 31 января 2020

Я хочу использовать предварительно подготовленную модель vgg и добавить к ней несколько пользовательских слоев свертки (желательно), также используя tf slim.

Я нашел код для кератов и код для для точной настройки модели vgg в tf slim 

vgg = tf.contrib.slim.nets.vgg
with slim.arg_scope(vgg.vgg_arg_scope(weight_decay=args.weight_decay)):
    logits, _ = vgg.vgg_16(images, num_classes=num_classes, is_training=is_training,
                           dropout_keep_prob=args.dropout_keep_prob)

# Specify where the model checkpoint is (pretrained weights).
model_path = args.model_path
assert(os.path.isfile(model_path))

# Restore only the layers up to fc7 (included)
# Calling function `init_fn(sess)` will load all the pretrained weights.
variables_to_restore = tf.contrib.framework.get_variables_to_restore(exclude=['vgg_16/fc8'])
init_fn = tf.contrib.framework.assign_from_checkpoint_fn(model_path, variables_to_restore)

Однако мне нужен только сверточный скелет vgg и я добавлю свои собственные сверточные слои, которые будут произвольно инициализированы для обучения.

Звучит как дублирующий вопрос, но я мог бы найти только код keras и «очень элементарный» код тензорного потока, который мне сложно проверить, является ли он правильным / действительным кодом vgg (как показано ниже). Существует множество особенностей, например, lr_mult, decay_mult et c в исходном коде vgg caffe, поэтому будет полезна некоторая высокоуровневая версия сети vgg. 

layer {
  name: "conv1_1"
  type: "Convolution"
  bottom: "image"
  top: "conv1_1"
  param {
    lr_mult: 1.0
    decay_mult: 1
  }
  param {
    lr_mult: 2.0
    decay_mult: 0
  }
  convolution_param {
    num_output: 64
    pad: 1
    kernel_size: 3
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
    }
  }
}
...