@公輸睚信 好的，謝謝。我用了一下tf.estimator進(jìn)行訓(xùn)練，感覺并不如您第一篇文章《TensorFlow 訓(xùn)練 CNN 分類器》中使用sess.run()的方式靈活。請問我應(yīng)該如何使用slim調(diào)用resnet模型、加載預(yù)訓(xùn)練參數(shù)，并且使用sess.run()的方式進(jìn)行finetune呢？
TensorFlow 使用 tf.estimator 訓(xùn)練模型（預(yù)訓(xùn)練 ResNet-50）看過 TensorFlow-slim 訓(xùn)練 CNN 分類模型（續(xù)） 及其相關(guān)系列文章的讀者應(yīng)該已經(jīng)感受到了 tf.contrib.slim 在訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)方面的極其方便之...
你的教程很詳細(xì)，對我?guī)椭艽?，非常感謝樓主。另外有一個(gè)問題就是，數(shù)據(jù)增強(qiáng)的代碼是寫在transform_data里面嗎? 那為什么驗(yàn)證的時(shí)候（eval），還要進(jìn)行transform_data的操作呢？
TensorFlow 使用 tf.estimator 訓(xùn)練模型（預(yù)訓(xùn)練 ResNet-50）看過 TensorFlow-slim 訓(xùn)練 CNN 分類模型（續(xù)） 及其相關(guān)系列文章的讀者應(yīng)該已經(jīng)感受到了 tf.contrib.slim 在訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)方面的極其方便之...
K提前了一刻鐘抵達(dá)目的地。當(dāng)K走進(jìn)咖啡廳的玻璃幕門時(shí)，扭頭一看便發(fā)現(xiàn)了L已經(jīng)坐在了靠窗的一個(gè)四人座上了，他想直接走過去。K身邊不遠(yuǎn)處的一個(gè)服務(wù)生明顯像是剛開了一個(gè)小差似的猛然...
