tensorflow - 如何使用 Tensorflow 的对象检测 API 在训练中修改卡住层？

Question

我在训练中使用 Tensorflow's Object Detection API。

在哪个文件中，卡住层被定义为在训练中对模型进行微调。
我需要在微调中尝试更改卡住层。

例如，如果我使用 Resnet50 configuration ，我可以在哪里更改卡住层？

Answer 1

那当然可以。

通过读取 proto 文件进行训练，有一个名为 freeze_variables 的字段，这应该是一个包含您要卡住的所有变量的列表，例如在培训期间排除他们。

假设您想卡住第一个块的第一个单元中第一个瓶颈的权重，您可以通过添加

freeze_variables: ["resnet_v1_50/block1/unit_1/bottleneck_v1/conv1/weights"]

所以你的配置文件看起来像这样:

train_config: {
  batch_size: 1
  freeze_variables: ["resnet_v1_50/block1/unit_1/bottleneck_v1/conv1/weights"]
  ...

您可以通过检查 tensorflow 图来验证权重实际上是否已卡住。

如图所示，权重不再有 train 操作。

通过为 freeze_variables 选择特定模式，您可以非常灵活地卡住变量(您可以从 tensorflow 图中获取层名称)。

顺便说一句， here 是实际的过滤操作。