python - 在 niftynet 上实现迁移学习

Question

我想使用密集 V-Net 架构来实现迁移学习。当我搜索如何执行此操作时，我发现此功能目前正在开发中( How do I implement transfer learning in NiftyNet? )。

虽然从这个答案可以很明显地看出没有直接的方法来实现它，但我试图:

1) 创建密集 V-Net

2) 从.ckpt 文件恢复权重

3)自己实现迁移学习

为了执行步骤 1，我想我可以使用 niftynet.network.dense_vnet 模块。因此，我尝试了以下方法:

checkpoint = '/path_to_ckpt/model.ckpt-3000.index'
x = tf.placeholder(dtype=tf.float32, shape=[None,1,144,144,144])
architecture_parameters = dict(
    use_bdo=False,
    use_prior=False,
    use_dense_connections=True,
    use_coords=False)

hyperparameters = dict(
    prior_size=12,
    n_dense_channels=(4, 8, 16),
    n_seg_channels=(12, 24, 24),
    n_input_channels=(24, 24, 24),
    dilation_rates=([1] * 5, [1] * 10, [1] * 10),
    final_kernel=3,
    augmentation_scale=0)
model_instance = DenseVNet(num_classes=9,hyperparameters=hyperparameters,
                             architecture_parameters=architecture_parameters)

model_net = DenseVNet.layer_op(model_instance, x)

但是，我收到以下错误:

TypeError: Failed to convert object of type <type 'list'> to Tensor. Contents: [None, 1, 72, 72, 24]. Consider casting elements to a supported type.

所以，问题是:

有什么办法可以实现吗？

Answer 1

迁移学习已添加到 NiftyNet 中。

您可以通过 vars_to_restore 配置参数选择要恢复的变量，以及通过 vars_to_freeze 配置参数选择要卡住的变量。

参见here了解更多信息。