故障恢复检查点TensorFlow网
问题描述:
我已经建立了一个自动编码器,将VGG19.relu4_1
的激活“转换”为像素。我使用tensorflow.contrib.layers
中的新便利功能(如在TF 0.10rc0中)。该代码与TensorFlow的CIFAR10教程具有相似的布局,其中train.py
将训练和检查点设置为磁盘模型,一个eval.py
轮询新检查点文件并对它们运行推断。故障恢复检查点TensorFlow网
我的问题是,评估从来没有像培训一样好,既不是在损失函数的价值方面,也不是当我看输出图像时(即使在与培训相同的图像上运行时)。这让我觉得它与恢复过程有关。
当我看着TensorBoard培训的输出时,它看起来不错(最终),所以我不认为我的网本身有什么问题。
我的网看起来像这样:
import tensorflow.contrib.layers as contrib
bn_params = {
"is_training": is_training,
"center": True,
"scale": True
}
tensor = contrib.convolution2d_transpose(vgg_output, 64*4, 4,
stride=2,
normalizer_fn=contrib.batch_norm,
normalizer_params=bn_params,
scope="deconv1")
tensor = contrib.convolution2d_transpose(tensor, 64*2, 4,
stride=2,
normalizer_fn=contrib.batch_norm,
normalizer_params=bn_params,
scope="deconv2")
.
.
.
而在train.py
我这样做是为了保存检查点:
variable_averages = tf.train.ExponentialMovingAverage(mynet.MOVING_AVERAGE_DECAY)
variables_averages_op = variable_averages.apply(tf.trainable_variables())
with tf.control_dependencies([apply_gradient_op, variables_averages_op]):
train_op = tf.no_op(name='train')
while training:
# train (with batch normalization's is_training = True)
if time_to_checkpoint:
saver.save(sess, checkpoint_path, global_step=step)
在eval.py
我这样做:
# run code that creates the net
variable_averages = tf.train.ExponentialMovingAverage(
mynet.MOVING_AVERAGE_DECAY)
saver = tf.train.Saver(variable_averages.variables_to_restore())
while polling:
# sleep and check for new checkpoint files
with tf.Session() as sess:
init = tf.initialize_all_variables()
init_local = tf.initialize_local_variables()
sess.run([init, init_local])
saver.restore(sess, checkpoint_path)
# run inference (with batch normalization's is_training = False)
蓝色是训练损失,橙色是eval损失。
答
问题是我直接使用tf.train.AdamOptimizer()
。在优化过程中,没有调用contrib.batch_norm
中定义的操作来计算输入的运行平均值/方差,因此平均值/方差总是为0.0/1.0。
解决方法是向GraphKeys.UPDATE_OPS
集合添加依赖项。在contrib
模块中已经定义了一个功能(optimize_loss()
)
感谢您的解决。我是唯一一个认为这应该被充分记录/修复的人。我认为'optimize_loss()'函数只是optimizer.minimize(损失,步骤)的快捷方式,而不是其他contrib.layers像宣传的那样工作所必需的。 – DomJack