모델을 교육하여 90K 라벨을 분류하고 싶습니다. 그래서 나는 소위 증분 훈련을 사용했습니다.TensorFlow를 사용한 증분 트레이닝
처음에는 모델을 교육하여 1K 개의 레이블 만 분류 한 다음 다른 1K 개의 레이블을 추가하고 최종 FC 계층의 출력 크기를 2K로 확장하고 몇 가지 에포크에 대비합니다. 그 후에 또 다른 1K 레이블을 추가하는 등 ...
최종 FC 이전의 모든 매개 변수가 고정되어 있으므로 출력 기능을 캐시 할 수 있습니다. 제 경우에는 모든 단계에서 모든 변수를 업데이트해야합니다. 내가 설계
솔루션은 다음과 같습니다 1K 라벨
이- 기차.
- 모델 저장.
- 그래프를 수정하여 마지막 FC 레이어가 2K 크기를 출력하도록합니다.
- 모든 변수를 초기화합니다.
- 이전 검사 점을로드하면 모든 매개 변수가 무시되지만 마지막 계층의 가중치는 무시됩니다.
- 다시 기차와
를 반복 그래서 여기서 중요한 점은 부분 복원 체크 포인트를 실현하는 것입니다. 모양 불일치가있는 경우
saver.restore(sess, "model.ckpt")
그러나, 그것은 실패 TensorFlow에서
, 나는 체크 포인트로드 같은 코드를 사용합니다.변수를 부분적으로 복원/초기화하는 방법이나 증분 형 교육을 다른 방법으로 구현하는 방법에 도움이 될만한 사람이 있습니까?
답장을 보내 주셔서 감사합니다. 나는 이것을 시험 할 것이다! – HanXu