我想在我自己的数据集上使用预先训练的Inception模型，我也想微调Inception模型本身的变量 .
我从以下链接下载了TensorFlow预训练的Inception模型：
http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz
我按如下方式加载Inception模型：
graph = tf.Graph()
with graph.as_default():
with tf.gfile.FastGFile('classify_image_graph_def.pb', 'rb') as file:
graph_def = tf.GraphDef()
graph_def.ParseFromString(file.read())
tf.import_graph_def(graph_def, name='')
（关于API的附注：如果我可以写 graph = tf.load_graph('inception.pb') 而不是这六个嵌套和复杂的行，那将是很好的 . ）
然后我在Inception模型中的softmax分类器之前获得对最后一层的张量的引用：
last_layer = graph.get_tensor_by_name('pool_3:0')
现在我想在图形中附加一个新的softmax分类器，这样我就可以训练新的softmax分类器并训练一些或所有变量在Inception模型中 . 这是我理解的微调，而不是转移学习，只有新的softmax分类器在我自己的数据集上训练 .
然后我使用PrettyTensor附加新的softmax分类器（注意 y_true 是占位符变量）：
with pt.defaults_scope(activation_fn=tf.nn.relu):
y_pred, loss = pt.wrap(last_layer).\
flatten().\
softmax_classifier(class_count=10, labels=y_true)
但这会给出一个很长的错误消息，其中最后一部分是：
ValueError: Tensor("flatten/reshape/Const:0", shape=(2,), dtype=int32) must be from the same graph as Tensor("pool_3:0", shape=(1, 1, 1, 2048), dtype=float32).
所以我显然不允许像这样组合两个图 .
我也尝试使用 reshape() 而不是 flatten() 如下（请注意，Inception模型的最后一层有2048个功能）：
with pt.defaults_scope(activation_fn=tf.nn.relu):
y_pred, loss = pt.wrap(last_layer).\
reshape([-1, 2048]).\
softmax_classifier(class_count=10, labels=y_true)
但是这给出了几乎相同的错误：
ValueError: Tensor("reshape/Const:0", shape=(2,), dtype=int32) must be from the same graph as Tensor("pool_3:0", shape=(1, 1, 1, 2048), dtype=float32).
我也尝试将它包装在_2812793中，如下所示：
with graph.as_default():
with pt.defaults_scope(activation_fn=tf.nn.relu):
y_pred, loss = pt.wrap(last_layer).\
reshape([-1, 2048]).\
softmax_classifier(class_count=10, labels=y_true)
但这会产生类似的错误：
ValueError: Tensor("ArgMax_1:0", shape=(?,), dtype=int64) must be from the same graph as Tensor("cross_entropy/ArgMax:0", shape=(1,), dtype=int64).
我如何微调Inception模型？我想添加一个新的softmax分类器，我想微调一下Inception模型本身的部分或全部变量 .
谢谢！
编辑：
我对问题有部分解决方案 .
错误消息是因为我没有将所有代码放在 with graph.as_default(): 块中 . 将所有代码放在该块中可以修复错误消息，现在我可以使用PrettyTensor将新的softmax层附加到Inception模型，如上所述 .
但是，Inception模型显然是一个“冻结”图形，这意味着所有变量在保存之前都已转换为常量 .
所以现在我的问题是，我是否可以某种方式“解冻”Inception模型的图形，所以我可以继续训练其图形的部分或全部变量？我该怎么做？
或者我应该使用新的MetaGraph功能？
https://www.tensorflow.org/versions/r0.11/how_tos/meta_graph/index.html
我在哪里可以为Inception模型下载预先训练过的MetaGraph？
2 回答
我也有完全相同的问题 . 首先，你可以根据这个细调整个网络：https://github.com/tensorflow/models/tree/master/inception#adjusting-memory-demands我想出了如何在我自己的数据集上实现这个代码 . 问题是我想微调整个网络，然后用最新的conv层和softmax替换最后2个初始模块 . 但是，我认为如果我进行整个微调，那么我需要恢复权重直到第8个初始模块并仅训练新层，但这不能仅通过tensorflow的恢复功能发生 . 另一个好方法是：https://www.tensorflow.org/versions/r0.9/how_tos/image_retraining/index.html您可以从.pb文件中获取预训练网络，但这仅适用于根据tensorflow进行传输学习 . 我想到的唯一解决方案是对整个网络进行微调，然后将其导出到.pb文件，以便将微调的权重直到我想要的层，但我无法实现 . 一般来说，张量流不清楚我们怎么能这样做 . 我也会在git上发一个问题 . 如果有人确切知道我们能做什么，请回答 .
我使用tf-slim来微调初始模型 . 你可以在这里找到图书馆https://github.com/tensorflow/models/tree/master/research/slim . 他们提供了一个演练，描述了自定义数据集上的微调初始网络 . 该库还具有模型定义流行分类模型以及权重文件 .