Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/tensorflow/5.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
ResNet RGB在tensorflow slim中的平均值_Tensorflow_Deep Learning_Tensorflow Gpu_Tf Slim_Resnet - Fatal编程技术网

ResNet RGB在tensorflow slim中的平均值

ResNet RGB在tensorflow slim中的平均值,tensorflow,deep-learning,tensorflow-gpu,tf-slim,resnet,Tensorflow,Deep Learning,Tensorflow Gpu,Tf Slim,Resnet,我使用tensorflow slim加载预先训练过的模型,如vgg和resnet-50。因此,对于vgg,tf slim提供了一种加载RGB平均值的方法,如: from preprocessing.vgg_preprocessing import (_mean_image_subtraction, _R_MEAN, _G_MEAN, _B_MEAN) 我找不到任何类似的resnet。它还没有实施吗?我也知道

我使用tensorflow slim加载预先训练过的模型,如vgg和resnet-50。因此,对于vgg,tf slim提供了一种加载RGB平均值的方法,如:

from preprocessing.vgg_preprocessing import (_mean_image_subtraction,
                                            _R_MEAN, _G_MEAN, _B_MEAN)

我找不到任何类似的resnet。它还没有实施吗?我也知道一些库,比如py torch,为每个模型提供全局平均值。tf slim也是这样吗?

在Tensorflow slim resnet-v1中使用vgg_预处理。默认情况下,Resnet-v2使用初始预处理,它使用大量的颜色、色调和饱和度增强。这使得平均减法的相关性降低。

在Tensorflow Slim resnet-v1中使用vgg_预处理。默认情况下,Resnet-v2使用初始预处理,它使用大量的颜色、色调和饱和度增强。这使得平均减法不那么相关。

前面的答案实际上并不完全正确。 看看

您可以看到Resnet-V1和Resnet-V2都使用VGG预处理

 preprocessing_fn_map = {
  'cifarnet': cifarnet_preprocessing,
  'inception': inception_preprocessing,
  'inception_v1': inception_preprocessing,
  'inception_v2': inception_preprocessing,
  'inception_v3': inception_preprocessing,
  'inception_v4': inception_preprocessing,
  'inception_resnet_v2': inception_preprocessing,
  'lenet': lenet_preprocessing,
  'mobilenet_v1': inception_preprocessing,
  'mobilenet_v2': inception_preprocessing,
  'mobilenet_v2_035': inception_preprocessing,
  'mobilenet_v2_140': inception_preprocessing,
  'nasnet_mobile': inception_preprocessing,
  'nasnet_large': inception_preprocessing,
  'pnasnet_mobile': inception_preprocessing,
  'pnasnet_large': inception_preprocessing,
  'resnet_v1_50': vgg_preprocessing,
  'resnet_v1_101': vgg_preprocessing,
  'resnet_v1_152': vgg_preprocessing,
  'resnet_v1_200': vgg_preprocessing,
  'resnet_v2_50': vgg_preprocessing,
  'resnet_v2_101': vgg_preprocessing,
  'resnet_v2_152': vgg_preprocessing,
  'resnet_v2_200': vgg_preprocessing,
  'vgg': vgg_preprocessing,
  'vgg_a': vgg_preprocessing,
  'vgg_16': vgg_preprocessing,
  'vgg_19': vgg_preprocessing,

}前面的答案实际上并不完全正确。 看看

您可以看到Resnet-V1和Resnet-V2都使用VGG预处理

 preprocessing_fn_map = {
  'cifarnet': cifarnet_preprocessing,
  'inception': inception_preprocessing,
  'inception_v1': inception_preprocessing,
  'inception_v2': inception_preprocessing,
  'inception_v3': inception_preprocessing,
  'inception_v4': inception_preprocessing,
  'inception_resnet_v2': inception_preprocessing,
  'lenet': lenet_preprocessing,
  'mobilenet_v1': inception_preprocessing,
  'mobilenet_v2': inception_preprocessing,
  'mobilenet_v2_035': inception_preprocessing,
  'mobilenet_v2_140': inception_preprocessing,
  'nasnet_mobile': inception_preprocessing,
  'nasnet_large': inception_preprocessing,
  'pnasnet_mobile': inception_preprocessing,
  'pnasnet_large': inception_preprocessing,
  'resnet_v1_50': vgg_preprocessing,
  'resnet_v1_101': vgg_preprocessing,
  'resnet_v1_152': vgg_preprocessing,
  'resnet_v1_200': vgg_preprocessing,
  'resnet_v2_50': vgg_preprocessing,
  'resnet_v2_101': vgg_preprocessing,
  'resnet_v2_152': vgg_preprocessing,
  'resnet_v2_200': vgg_preprocessing,
  'vgg': vgg_preprocessing,
  'vgg_a': vgg_preprocessing,
  'vgg_16': vgg_preprocessing,
  'vgg_19': vgg_preprocessing,

}

事实上,尽管
预处理工厂
说restnetv2使用vgg\u预处理,但事实并非如此。
resnetv2的正确预处理是inception_preprocessing,正如本期github中所指出的

实际上,尽管
preprocessing_工厂
说restnetv2使用vgg_preprocessing,但事实并非如此。
resnetv2的正确预处理是inception_preprocessing,如本期github中所述

我在ImageNet验证数据集上测试了Resnet_v1_50和Resnet_v2_50的Slim检查点,结果是Resnet_v1_50使用VGG预处理,而Resnet_v2_50使用inception预处理


我在ImageNet验证数据集上测试了Resnet_v1_50和Resnet_v2_50的Slim检查点,结果是Resnet_v1_50使用VGG预处理,而Resnet_v2_50使用初始预处理

报告还指出,报告中的信息具有误导性