Tensorflow：多尺度训练答案

【问题标题】：Tensorflow: multi-scale trainingTensorflow：多尺度训练
【发布时间】：2018-09-04 08:05:43
【问题描述】：

我正在尝试在 Tensorflow 中训练类似于 YOLOv2 的多尺度 CNN：每隔几个时期随机调整输入批次的大小。但是我对Tensorflow不是很熟悉，下面是我批量获取图片和标签的方法：

data_provider = slim.dataset_data_provider.DatasetDataProvider(dataset)
image, label = data_provider.get(['image', 'label'])
inputs, labels = tf.train.shuffle_batch([image, label], \
                                    batch_size=128, \
                                    num_threads=4,  \
                                    capacity= 1000, \
                                    min_after_dequeue=616)

然后我希望我可以调整这批输入的大小并输入到网络中

rand_size=int(np.random.uniform(0.15,1)*720)
resize_output = tf.image.resize_bilinear(preprocessed_inputs, [rand_size,rand_size],align_corners=True)

不幸的是，它不起作用，它只是在开始时调整batch的大小，并将调整大小操作应用于所有输入

有人对我应该做什么有建议吗？非常感谢

【问题讨论】：

标签： python tensorflow machine-learning yolo

【解决方案1】：

您希望 rand_size 基于 tf.random_uniform 而不是 numpy/int，否则每次运行 session 时它将具有相同的值。

rand_size = tf.random_uniform(
    minval=int(0.15*720), maxval=720, dtype=tf.int32, shape=())

这仍然会以相同的量调整批次中每个元素的大小。

我不熟悉 slim 如何进行预处理，但其中有一些东西可以让您在批处理之前执行上述操作（在这种情况下，您每次都会得到不同的随机值）。或者考虑使用最近发布的tf.data.Dataset。 This post 可能会帮助你。

【讨论】：