时间戳

首页 > 解决方案 > Tensorflow：多尺度训练

python - Tensorflow：多尺度训练

问题描述

我正在尝试在 Tensorflow 中训练类似于 YOLOv2 的多尺度 CNN：每隔几个时期随机调整输入批次的大小。但是我对Tensorflow不是很熟悉，下面是我获取批量图像和标签的方法：

data_provider = slim.dataset_data_provider.DatasetDataProvider(dataset)
image, label = data_provider.get(['image', 'label'])
inputs, labels = tf.train.shuffle_batch([image, label], \
                                    batch_size=128, \
                                    num_threads=4,  \
                                    capacity= 1000, \
                                    min_after_dequeue=616)

然后我希望我可以调整输入批次的大小并输入网络

rand_size=int(np.random.uniform(0.15,1)*720)
resize_output = tf.image.resize_bilinear(preprocessed_inputs, [rand_size,rand_size],align_corners=True)

不幸的是，它不起作用，它只是在开始时调整批次的大小，并将调整大小操作应用于所有输入

有人对我应该做什么有建议吗？非常感谢

标签： pythontensorflowmachine-learningyolo

解决方案

您希望rand_size基于 atf.random_uniform而不是 numpy/int，否则每次运行session.

rand_size = tf.random_uniform(
    minval=int(0.15*720), maxval=720, dtype=tf.int32, shape=())

这仍然会以相同的数量调整批次的每个元素的大小。

我不熟悉slim预处理是如何进行的，但是其中有一些东西可以让您在批处理之前执行上述操作（在这种情况下，您每次都会得到不同的随机值）。或者考虑使用最近发布的tf.data.Dataset. 这篇文章可能会帮助你。

推荐阅读