tF.slim.evaluation.evaluate_onceを使用した場合のNotFoundError

Question

私のモデルであるslim.evaluation.evaluate_once（）関数の使用を評価したいとき、NotFoundErrorが発生しました。それは私にモデルのキーまたは価値を見つけることができないと言いました。このように：

Running evaluation Loop... 
INFO:tensorflow:Starting evaluation at 2017-08-25-11:40:57 
INFO:tensorflow:Starting evaluation at 2017-08-25-11:40:57 
INFO:tensorflow:Restoring parameters from tmp/flowers/finetune_log/model.ckpt-5000 
INFO:tensorflow:Restoring parameters from tmp/flowers/finetune_log/model.ckpt-5000 

NotFoundError        Traceback (most recent call last) 
/home/wangx/Dev_env/.tensorflow/lib/python3.5/site-packages/tensorflow/python/client/session.py in _do_call(self, fn, *args) 
    1326  try: 
-> 1327  return fn(*args) 
    1328  except errors.OpError as e: 

/home/wangx/Dev_env/.tensorflow/lib/python3.5/site-packages/tensorflow/python/client/session.py in _run_fn(session, feed_dict, fetch_list, target_list, options, run_metadata) 
    1305         feed_dict, fetch_list, target_list, 
-> 1306         status, run_metadata) 
    1307 

/usr/lib/python3.5/contextlib.py in __exit__(self, type, value, traceback) 
    65    try: 
---> 66     next(self.gen) 
    67    except StopIteration: 

... 
NotFoundError (see above for traceback): Key InceptionV1/Mixed_4c/Branch_0/Conv2d_0a_1x1/biases not found in checkpoint 
    [[Node: save/RestoreV2_44 = RestoreV2[dtypes=[DT_FLOAT], _device="/job:localhost/replica:0/task:0/cpu:0"](_arg_save/Const_0_0, save/RestoreV2_44/tensor_names, save/RestoreV2_44/shape_and_slices)]] 
    [[Node: save/RestoreV2_6/_1 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/gpu:0", send_device="/job:localhost/replica:0/task:0/cpu:0", send_device_incarnation=1, tensor_name="edge_238_save/RestoreV2_6", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/gpu:0"]()]] 

私は私の./tmp/flowers/finetune_logでのチェックポイント、および花の写真を保存するチュートリアル以下にダウンロードされます。トレーニングから得たチェックポイントファイルに何か問題がありますか？評価をしたときに何か逃したのですか？ここに私の評価コードです：

def get_init_fn(): 
    """Returns a function run by the chief worker to warm-start the training.""" 
    checkpoint_exclude_scopes=["InceptionV1/Logits", "InceptionV1/AuxLogits"] 

    exclusions = [scope.strip() for scope in checkpoint_exclude_scopes] 

    variables_to_restore = [] 
    for var in slim.get_model_variables(): 
     excluded = False 
     for exclusion in exclusions: 
      if var.op.name.startswith(exclusion): 
       excluded = True 
       break 
     if not excluded: 
      variables_to_restore.append(var) 

    return slim.assign_from_checkpoint_fn(
     os.path.join('tmp/checkpoints', 'inception_v1.ckpt'), 
     variables_to_restore) 

train_dir = 'tmp/flowers/finetune_log' 

with tf.Graph().as_default(): 
    dataset = flowers.get_split('train', 'tmp/flowers') 
    images, labels = load_batch(dataset) 

    with slim.arg_scope(inception.inception_v1_arg_scope()): 
     logits, _ = inception.inception_v1(images, num_classes=dataset.num_classes, is_training=True) 

    one_hot_labels = slim.one_hot_encoding(labels, 5) 
    slim.losses.softmax_cross_entropy(logits, one_hot_labels) 
    total_loss = slim.losses.get_total_loss() 

    tf.summary.scalar('losses/Total Loss', total_loss) 

    optimizer = tf.train.AdamOptimizer(learning_rate=0.01) 
    train_op = slim.learning.create_train_op(total_loss, optimizer) 

    final_loss = slim.learning.train(
     train_op, 
     logdir=train_dir, 
     init_fn=get_init_fn(), 
     number_of_steps=5000, 
     save_summaries_secs=1) 

print('done.') 

どうもありがとう：場合

from datasets import flowers 
from nets import inception 

with tf.Graph().as_default(): 
    tf.logging.set_verbosity(tf.logging.INFO) 
    tf_global_step = slim.get_or_create_global_step() 
    dataset = flowers.get_split('validation', 'tmp/flowers') 
    images, labels = load_batch(dataset) 
    logits, endpoints = inception.inception_v1(images, num_classes=dataset.num_classes, is_training=False) 
    predictions =tf.argmax(logits, 1) 

    # Define the metrics: 
    names_to_values, names_to_updates = slim.metrics.aggregate_metric_map({ 
    'eval/Accuracy': slim.metrics.streaming_accuracy(predictions, labels), 
    'eval/Recall': slim.metrics.streaming_recall(predictions, labels)}) 

    print('Running evaluation Loop...') 
    checkpoint_path = tf.train.latest_checkpoint('tmp/flowers/finetune_log') 

    metric_values = slim.evaluation.evaluate_once(
    num_evals=20, 
    master='', 
    checkpoint_path=checkpoint_path, 
    logdir='tmp/flowers/eval_finetune_log', 
    eval_op=names_to_updates.values(), 
    final_op=names_to_values.values()) 

、ここに私のトレーニングのコードです。それは長い間私をブロックしています。

Answer 1

私は、次の2つの変更を行う場合は、評価の抜粋で、プログラムが実行できることを見出した。）
1.（slim.arg_scopeを定義するモデルの、私はこれはプログラムドンbeacuse NotFoundErrorの理由だと思いますコードは次のように変更する必要がありますので、「Tは、モデルのCONVのカーネルサイズのような引数を知っている：

images, labels = load_batch(dataset) 
with slim.arg_scope(inception.inception_v1_arg_scope()): 
    logits, _ = inception.inception_v1(images, num_classes=dataset.num_classes, is_training=True) 
predictions =tf.argmax(logits, 1) 

2.I slim.metrics.aggregate_metric_mapを削除（）、および簡単なメトリックを使用します。

accuracy, accuracy_updates = slim.metrics.streaming_accuracy(predictions, labels) 

を

と実行できます今。