我遵循的教程,微调一个预先训练过的模型,以检测图像中的新对象。预先训练的模型是ssd_inception_v2_coco.。
在几千步之后,我成功地训练和评估了模型,损失从26步降到1步。然而,我未能用以下代码创建冻结的模型:
#this code runs in model dir
import tensorflow as tf
#make .pb file from model at step 1000
saver = tf.train.import_meta_graph(
'./model.ckpt-1000.meta', clear_devices=T
我刚刚加载了预先训练好的模型3Dresnet https://github.com/kenshohara/3D-ResNets-PyTorch。 从上面的链接下载文件'resnext-101-kinetics.pth‘后,我以这种方式加载了这个模型:way i defined the model 这个模型适用于视频的大数据集(不幸的是,我的pc上没有足够的空间,我也找不到可以下载部分数据集的链接)。我只想知道我是否正确地加载了模型,以及这个网络是否经过了训练。有一个选项可以确保模型加载良好?我打印了state_dict,它也打印了权重。谢谢你的帮助。
我一直在尝试重新训练通用句子编码器模块(),但似乎无法从任何更新/重新训练的模块权重生成新的嵌入。
我遵循了,并将其替换为use模块。分类器起作用了,我似乎不知道如何访问新的模块embeddings。我可以恢复保存的模型,但不确定如何实际调用嵌入函数?
例如,之前我通过设置路径
m=hub.module(path) then generate the embeddings via
m(sentences)
但是,如何使用恢复的分类器模型进行此调用?请注意,我将参数设置为trainable=True,如示例教程中所示。
我是否只需进行相同的调用,它就会自动拾取通过分类器重新训练而训练的新权重?
基本上,我一直在尝试使用tensorflow对象检测api在google colab tensorflow 1.15.2上训练一个带有ssd_mobilenet_v1_coco和ssd_inception_v2_coco的自定义对象检测模型。一旦我开始训练,它就会分别为两个模型抛出错误。 我还运行了python object_detection/builders/model_builder_tf1_test.py,它通过了所有测试,没有出现任何错误或警告。 ValueError: ssd_inception_v2 is not supported. See model_builder.py
我遵循了本教程来训练一个pytorch模型,例如分段:
我不想训练一个完全不同的数据和类别的模型,完全不相关的可可。我需要做什么改变来重新训练模型。从我的阅读来看,我猜想除了有正确的课程数量之外,我只需要训练这一行:
model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=True)
至
model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=False)
但是我注意到还有另外一个参数:pretrained_backbone=T
我在Keras有一个预先训练好的模型。我想训练另一个模型,其中模型的输出是已训练模型的输入,并且已训练模型的输出用于未训练模型的损失函数。就像这样
in_a + mod_b(some kind of feedback from B here) --> Model A --> out_a --> Model B --> out_b
error = (in_a - out_b)**2
然后使用这个错误来训练模型A。在这个系统中,in_a可以被视为一个常量,也有一个反馈回路
在keras或tensorflow中如何做到这一点?