首页 文章

KERAS：将卷积内核从theano转换为tensorflow，OOM

提问于
浏览 次
0

我有一个真正的问题，转换Keras模型's convolutional kernels and most preferably dense weights (but that is not my priority) from theano to tensorflow. I made some research but I just can'吨处理它 . 首先我使用了这个脚本：Keras: convert pretrained weights between theano and tensorflow

但是我的准确率从85％下降到比随机差（8级中12％），所以我猜它有些不对劲 .

比我试图使用titu1994代码又名：https://github.com/titu1994/Keras-Classification-Models/blob/master/weight_conversion_theano.py

虽然我无法完成它，因为我在脚本中遇到关于在我的起泡虚拟机上运行OOM的错误，我无法访问更好的一个 . 权重是来自fast.ai深度学习课程的vgg16_bn.h5 . 如果您之前遇到类似问题，或者如果某些人将这些权重转换为张量流量格式，我将非常感谢任何帮助，如果您决定分享，我会很高兴 .

或者如果您知道其他重量和模型，我可以成功地执行转移学习，如果您也分享，我将不胜感激 .

python tensorflow deep-learning keras conv-neural-network

1 回答

  • 1

    在Keras 2中，卷积内核的转换在 load_weights() 中自动执行 . 在您的情况下，自动转换失败，因为您没有保存在Keras 1权重文件中的后端信息 .

    所以你需要做的就是将一个名为 backend 的属性放入权重文件中，让Keras负责其余的工作 .

    import h5py
with h5py.File(weight_file, 'a') as f:
    f.attrs['backend'] = 'theano'.encode('utf8')
    回复于

相关问题