問題タブ [imagenet]

花用のVGG_16 SLIM Tensorflowフレームワーク (ImageNet Dataset) でトレーニング済みモデルの評価に取り組んでいます。

私のデータは範囲 uint8 (0,255) の RGB です。前処理段階で、フレームワークは 0 平均に沿ってデータを整列し、それを float32 形式に変換します。トレーニングすると、ロジットは非常に大きな値のように見え、以下のようにソフトマックスを飽和させていることがわかります

私が試した1つの解決策は、絶対ロジットを最大値で差し引くことでしたが、これらのロジットの範囲が異常に見えるため、問題は解決しませんでした.

誰かが私を正しい方向に向けてください。?

カスタム 200 クラスでインセプション v3 モデルをゼロからトレーニングすることに成功しました。これで、出力ディレクトリに ckpt ファイルができました。これらのモデルを使用して推論を実行するにはどうすればよいですか?

できれば、モデルを GPU にロードし、モデルが GPU に保持されている間はいつでも画像を渡します。TensorFlow サービスを使用することは、私にとって選択肢ではありません。

注: これらのモデルをフリーズしようとしましたが、フリーズ中に output_nodes を正しく配置できませんでした。使用ImagenetV3/Predictions/Softmaxしましたが、フリーズしたモデルから必要なテンソルを取得できなかったため、feed_dict では使用できませんでした。

この推論部分の TF サイトとレポには貧弱なドキュメントがあります。

オブジェクト検出プロジェクトを開始する必要があります。精度と速度が向上した、より優れたフレームワークを誰でも提案できますか。imagenet、resnet、mobilenet、yolo、tensorflow、および dlib 機能について読みました。誰でもそれらを比較して、より良いオプションを提案できますか。