我正在尝试在自定义数据集上训练cifarnet模型。我有以下错误:
INFO:tensorflow:Error reported to Coordinator: <class 'tensorflow.python.framework.errors.InvalidArgumentError'>, Assign requires shapes of both tensors to match. lhs shape= [6] rhs shape= [10]
[[Node: save/Assign_8 = Assign[T=DT_FLOAT, _class=["loc:@CifarNet/logits/biases"], use_locking=true, validate_shape=true, _device="/job:localhost/replica:0/task:0/cpu:0"](CifarNet/logits/biases, save/restore_slice_8)]]
我的参考点是https://github.com/tensorflow/models
我创建了一个自定义数据集文件(看起来像slim/datasets/mnist.py),返回的类数为6,但cifarnet模型不接受此参数。至少这是我从错误日志中了解到的。我使用相同的数据集文件来训练lenet模型,它工作起来没有任何问题。在
cifarnet模型有什么问题吗?或者这个错误的原因是什么?在
编辑1:
我改变的部分在这里。Rest与tensorflow/models存储库相同。在
数据集:
^{pr2}$Bash脚本:
TRAIN_DIR=/tmp/cifar-dir/
# Where the dataset is saved to.
DATASET_DIR=/tmp/data/tfrecords/
# Run training.
bazel-bin/slim/train_image_classifier \
--train_dir=${TRAIN_DIR} \
--dataset_name=tissue \
--dataset_split_name=train \
--dataset_dir=${DATASET_DIR} \
--model_name=cifarnet \
--preprocessing_name=cifarnet \
--max_number_of_steps=10000 \
--batch_size=32 \
--save_interval_secs=120 \
--save_summaries_secs=120 \
--log_every_n_steps=100 \
--optimizer=sgd \
--learning_rate=0.01 \
--learning_rate_decay_factor=0.1 \
--num_epochs_per_decay=200 \
--weight_decay=0.004
# Run evaluation.
bazel-bin/slim/eval_image_classifier \
--checkpoint_path=${TRAIN_DIR} \
--eval_dir=${TRAIN_DIR} \
--dataset_name=tissue \
--dataset_split_name=validation \
--dataset_dir=${DATASET_DIR} \
--model_name=cifarnet
目前没有回答
相关问题 更多 >
编程相关推荐