用tf.slim微调vgg模型时遇到的小坑

最新推荐文章于 2025-07-12 11:37:52 发布
原创 最新推荐文章于 2025-07-12 11:37:52 发布 · 1.7k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #人工智能 #slim #tensorflow

本文记录了一次使用自定义代码微调vgg模型时遇到的问题及解决过程。作者在尝试微调vgg模型时遇到了Prediction未定义的错误，通过检查模型定义并手动添加Prediction部分，最终成功解决了问题。
部署运行你感兴趣的模型镜像

首先，我进行微调的时候，代码并非slim提供的train_image_classifier.py，而是自己的代码，我查了slim中的代码，应该是不会出现我文中的问题。

我是在微调完inception模型后，修改代码，想要微调vgg，但是出现如下错误


好象是Prediction出现问题了，追代码，追到vgg的模型定义


其中并没有定义prediction

加上prediction并不会影响网络结构，所以放心加上去


之后就一切正常了

您可能感兴趣的与本文相关的镜像

Llama Factory

Llama Factory

模型微调
LLama-Factory

LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台。通过 LLaMA Factory，可以在无需编写任何代码的前提下，在本地完成上百种预训练模型的微调

Pytorch快速入门系列---（九）Pytorch对预训练好的VGG16模型进行微调
qq_42681787的博客
03-21 3595
对于一个复杂的卷积神经网络来说，通常网络的层数非常大，网络的深度非常深、网络的参数非常多，单单设计一个卷积网络就需要颇费心思，何况网络还需要大量的数据集进行漫长时间的训练，若没有一个好的算力平台也很难迅速训练出模型。可见，从头到尾搭建一个中等规模的卷积神经网络对于我们来说绝非易事。幸运的是PyTorch已经许多预训练好的模型，比如内置了使用ImageNet数据集预训练好的、流行的VGG、AlexNet等深度学习网络，我们可以针对自己的需求，对预训练好的网络进行微调，从而快速完成自己的任务。
TensorFlow下slim库函数的使用以及使用VGG网络进行预训练、迁移学习(附代码)
Vici__
10-03 368
原文链接： TensorFlow下slim库函数的使用以及使用VGG网络进行预训练、迁移学习(附代码)
Slim微调-fine-tuning
ShaoDu的博客
03-02 704
第一步，下载自己的数据集，数据集的格式要符合，否则对后面转化为TFRecords格式的文件有影响，导致不成功。 第二步，转换数据集为TFRecords格式的文件 进入下载以后的文件夹中/models/research/slim/，使用pycharm打开slim文件夹，打开转换格式的文件download_and_convert_data.py，只有cifar10、flowers、mnist这几种下载...
TF-slim实现自己数据模型微调
风吴痕的博客
04-26 1636
参考： Fine-tuning a model from an existing checkpoint TF-Slim 实现模型迁移/微调 Tensorflow-pb保存与导入 迁移学习/fine-tuning Tensorflow-变量保存与导入 完整程序：点击这里 数据下载并转成tfrecord格式 $ DATA_DIR=/tmp/data/flowers $ CU...
tensorflow slim 选择性读取加载权重，fine-tuning 迁移学习时微调
qq_41419675的博客
07-12 1255
转自于：点击打开链接 在使用tensorflow加载网络权重的时候，直接使用tf.train.Saver().restore(sess, ‘ckpt’)的话是直接加载了全部权重，我们可能只需要加载网络的前几层权重，或者只要或者不要特定几层的权重，这时可以使用下面的方法： var = tf.global_variables() var_to_restore = [val for val in...
初探 tf-slim
New hope
02-23 1038
tf-slim 是tensorflow的一个轻量级库，它封装了对大量tensorflow的相关概念。如，网络、变量、权重等。 使用slim可以帮助我们减少样板代码的书写，从而增强代码的可读可维护性，同时slim可以和其他tensorflow 高低层接口无缝衔接，具有很大的灵活性。 这篇文章，我们先熟悉slim的基本思路和概念，在大体上把握slim的使...
VGG16.rar_VGG16模型详解_vgg16 python_vgg16模型_vgg16模型结构_wish154
07-14
VGG16模型是深度学习领域的一个里程碑，由牛津大学视觉几何组（Visual Geometry Group）的研究员在2014年的ImageNet Large Scale Visual Recognition Challenge（ILSVRC）上提出。模型以其深且窄的网络结构而闻名，...
调用tensorflow2中的tf.keras.applications.VGG16并进行微调
San_Zhang123的博客
07-29 2485
调用tensorflow2中的tf.keras.applications.VGG16并进行微调 环境配置：tensorflow版本2.3.0；cuda 10.1；python3.8 数据集：cifar10 代码如下： import tensorflow as tf (x_train, y_train), (x_test, y_test) = tf.keras.datasets.cifar10.load_data() #图像大小是32×32×3 base_model = tf.keras.applica
tf.contrib.slim简介
热门推荐
蓬莱道人的博客
09-15 1万+
1、简介     对于tensorflow.contrib这个库，tensorflow官方对它的描述是：此目录中的任何代码未经官方支持，可能会随时更改或删除。每个目录下都有指定的所有者。它旨在包含额外功能和贡献，最终会合并到核心TensorFlow中，但其接口可能仍然会发生变化，或者需要进行一些测试，看是否可以获得更广泛的接受。所以slim依然不属于原生tensorflow。那么什么是slim？...
vgg16_weights_tf_dim_ordering_tf_kernels.h5
11-15
VGG16的主要特点是使用了小尺寸的卷积核（3x3），通过多层堆叠来增加模型的深度和复杂性，而非使用大尺寸的卷积核。 标题中的"vgg16_weights_tf_dim_ordering_tf_kernels.h5"是VGG16模型预训练权重的文件名。这个...
Tensorflow (2): tf.slim库解读
Jinming Su
06-15 2274
官方文档: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slim tf.contrib.slim是一个轻量级的库,目的是方便地定义, 训练和评估tensorflow中复杂的模型 版本: 2018.6.14 主要作用 对于一些固定的代码进行封装,主要是一些高级的层和变量,...
模型微调
邹小驴
08-11 777
  什么是模型的微调？ 使用别人训练好的网络模型进行训练，前提是必须和别人用同一个网络，因为参数是根据网络而来的。当然最后一层是可以修改的，因为我们的数据可能并没有1000类，而只有几类。把最后一层的输出类别和层的名称改一下就可以了。用别人的参数、修改后的网络和自己的数据进行训练，使得参数适应自己的数据，这样一个过程，通常称之为微调（fine tuning).  微调时候网络参数是...
使用Vgg16模型训练效果不佳，分类的效果就跟没有训练一样，不管多少epoch都是一样。
u010442263的博客
11-26 2432
使用Vgg16模型训练效果不佳，分类的效果就跟没有训练一样，不管多少epoch都是一样。
mxnet VGG16 LOSS降不下来，原因竟是
sheldonggz的博客
03-10 4668
上古时期的mxnet不但官方给的预训练模型地址早已改变，而且模型还有错误 模型地址：MXNet made simple: Pretrained Models for image classification - Inception and VGG | Arthur Caillau 官方给的模型和能找到的github上的代码很多都缺少bachnorm层，因此loss下降不下来。 ...
微调预训练的vgg16 网络
weixin_63253679的博客
07-21 346
链接：https://pan.baidu.com/s/1ObAOosSVPJ6iB0fQUojJHA?注：新版本vgg16中没有pretrained参数，可根据weights参数选择网络。注：train_dir和val_dir根据数据集文件路径位置填写。步骤3 可视化一个batch的数据（可注释掉）--来自百度网盘超级会员V3的分享。步骤6 微调网络的训练和预测。步骤4 导入VGG16网络。步骤1 预处理数据集。步骤5 搭建神经网络。
Keras：VGG16模型微调
学无止境、积少成多、厚积薄发
07-23 3365
一、介绍 当我们的数据集较小，只有几百几千张图片的时候，我们很难在一个新的网络结构上训练出具有很高准确率的模型，为此我们需要借助预训练网络模型（即已经训练好的网络模型，如VGG16）。我们利用自己的数据集来重新训练这些模型的分类层，就可以获得比较高的准确率。 目前大部分的卷积神经网络都分为两部分，第一部分由卷积层、池化层组成的卷积基部分，主要用于特征提取；第二部分是由全连接神经网络组成的分类器，主要用于图像分类。当然，目前大部分网络逐渐使用GlobalAveragePooling代替全连接层进行分类，但我们
微调VGG分类模型训练自己的数据（猫狗数据集）
gitblog_06540的博客
09-20 503
微调VGG分类模型训练自己的数据（猫狗数据集） 去发现同类优质开源项目:https://gitcode.com/ 简介 本资源文件提供了微调VGG分类模型以训练自己的猫狗数据集的完整教程和代码。通过本教程，您可以学习如何使用VGG16模型进行迁移学习，并将其应用于猫狗分类任务。 内容概述 数据集处理：详细介绍了如何准备和处理猫狗数据集，包括数据集的下载和格式化。 模型创建：使用Keras框架创建...
VGG16模型预训练与微调实战代码解析
最新发布
weixin_42509513的博客
07-12 1101
VGG16是由牛津大学的视觉几何组（VGG）提出的一种深度卷积神经网络架构，其设计在2014年的ILSVRC竞赛中取得了显著成绩。VGG16主要由重复的卷积层和池化层组成，并由三个全连接层结束。它的主要特点在于使用了多个连续的3x3小尺寸卷积核，与使用更少的5x5或7x7卷积核相比，小尺寸卷积核能够构建更深的网络结构。虽然使用开源库是加载预训练模型的最常见方式，但在一些特定情况下，可能需要手动加载预训练模型的权重。这可以通过自定义函数来实现，也可以通过直接读取模型权重的文件来完成。
用tf.function 封装VGG16网络
05-28
可以使用`tf.keras.applications.VGG16`来创建VGG16网络，并使用`tf.function`对其进行封装。以下是示例代码： ```python import tensorflow as tf # 创建VGG16网络 vgg16 = tf.keras.applications.VGG16(include_...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值