TensorFlow对象检测api:使用预训练模型改变训练时的类数时的分类权值初始化
TensorFlow对象检测api:使用预训练模型改变训练时的类数时的分类权值初始化
提问于 2018-03-20 01:26:14
我不仅要利用特征提取器预训练的权重，还要利用特征映射层的分类器/本地化预训练权重，使用tensorflow对象检测API ( tensorflow object Pre)对tensorflow对象检测模型(SSD)进行微调。当我的新模型与我用于微调检查点的预训练模型有不同数量的类时，TensorFlow对象检测API将如何处理分类权重张量？
当在像SSD这样的ML对象检测模型中微调预训练模型时，我不仅可以用预先训练的权重初始化特征提取器的权重，而且可以初始化特征地图的定位层权重和分类层权重，后者只选择选择的预训练类权重，这样我就可以减少模型最初能够识别的类数(例如，从90层MSCOCO类到这90类中的任意类，比如汽车和行人类等等)。
这是在keras模型(即h5文件中)中所做的，我也希望在Tensorflow对象检测API中也这样做。在培训时，我似乎可以指定配置原型文件中新模型将拥有的类数，但是由于我对API (和tensorflow)还不熟悉，所以我无法遵循源结构，也无法理解微调将如何处理这个数字。我知道的大多数SSD模型只是忽略并初始化了分类权张量，以防预训练模型的类权重形状不同于新模型的分类权重形状，但我希望保留必要的分类权重并对其进行训练。另外，我将如何在API结构中做到这一点？
谢谢!
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-03-20 07:50:30
当我阅读代码时，我发现了负责任的代码，只有当新定义的模型和预先训练的模型之间的层次形状匹配时，它才保留预训练模型的权重。因此，如果改变类的数量，分类器层的形状就会发生变化，而预先训练过的权重就不会被保留。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49374984
复制相关文章
相似问题
腾讯云开发者
