TensorFlow Slim Imagenet 训练答案

【问题标题】：Tensorflow Slim Imagenet trainingTensorFlow Slim Imagenet 训练
【发布时间】：2017-08-01 17:11:33
【问题描述】：

我正在准备从头开始训练 ImageNet 模型的日期，但我对训练的工作方式有点困惑。

在准备 TF 记录时，我注意到 Inception 模型数据目录中有这个文件：“imagenet_metadata.txt”。该文件包含 21842 个类的标签，但训练脚本和“imagenet_lsvrc_2015_synsets.txt”文件仅适用于 1000 个类。

我想知道我需要做哪些修改才能在 21K 类而不是 1K 类上训练模型？

【问题讨论】：

标签： tensorflow

【解决方案1】：

使用 slim 非常简单。要使用 slim 训练 imgnet 21k，我建议执行以下步骤：

1.在 tf_models/slim/datasets 文件夹中创建一个 imagenet.py 文件的副本（例如 imgnet.py）。在新文件中更改所需变量为您想要的值：

    _FILE_PATTERN = ####your tfrecord_file_pattern. for me('imgnet_%s_*.tfrecord')
    _SPLITS_TO_SIZES = {
        'train': ####Training Samples,
        'validation': ####Validation Samples,}
    _NUM_CLASSES = 21841

*wordnet 同义词集包含 21482 个条目，但 imagenet21k 中的类总数为 21481（n04399382 缺失）。因此请确定可用类的总数。

*您还需要对代码进行一些修改，以便从本地地址加载同义词集文件。

    base_url = '/home/snf/libraries/tf_models/slim'
    synset_url = '{}/listOfTags.txt'.format(base_url)
    synset_to_human_url = '{}/imagenet21k_metadata.txt'.format(base_url)

将新数据集添加到 tf_models/slim/datasets 中的 datasetfactory.py ：

from datasets import imgnet
datasets_map = {
'cifar10': cifar10,
'flowers': flowers,
'imagenet': imagenet,
'mnist': mnist,
'imgnet': imgnet, #add this line to dataset_map

}

在 tf_models/slim/ 创建包含这些行的 Train_Imgnet.sh 文件：

TRAIN_DIR=trained/imgnet-inception-v4
DATASET_DIR=/media/where/tfrecords/saved/tfRecords-fall11_21k
CUDA_VISIBLE_DEVICES="0,1,2,3" python train_image_classifier.py 

  --train_dir=${TRAIN_DIR} \
  --dataset_name=imgnet \
  --dataset_split_name=train \
  --dataset_dir=${DATASET_DIR} \
  --model_name=inception_v4 \
  --max_number_of_steps=10000000 \
  --batch_size=32 \
  --learning_rate=0.01 \
  --learning_rate_decay_type=fixed \
  --save_interval_secs=60 \
  --save_summaries_secs=60 \
  --log_every_n_steps=100 \
  --optimizer=rmsprop \
  --weight_decay=0.00004\
  --num_readers=12 \
  --num_clones=4

将文件设置为可执行文件（Chmod +x Train_Imgnet.sh）并运行它（./Train_Imgnet.sh）

【讨论】：