CRITICAL:tensorflow:类别没有图像 - 验证

Question

我正在尝试在tensorflow中为我自己的自定义类别重新训练Inception v3模型.我已经下载了一些数据并将其格式化为目录.当我运行时,python脚本会为图像创建瓶颈,然后当它运行时,在第一个训练步骤(步骤0),它有一个严重错误,它尝试以0为模.它在计算时出现在get_image_path函数中mod_index,它是索引%len(category_list)所以category_list必须为0对吗？

为什么会发生这种情况,我该如何预防呢？

编辑:这是我在docker中看到的确切代码

2016-07-04 01:27:52.005912: Step 0: Train accuracy = 40.0%
2016-07-04 01:27:52.006025: Step 0: Cross entropy = 1.109777
CRITICAL:tensorflow:Category has no images - validation.
Traceback (most recent call last):
  File "tensorflow/examples/image_retraining/retrain.py", line 824, in <module>
    tf.app.run()
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/platform/app.py", line 30, in run
    sys.exit(main(sys.argv))
  File "tensorflow/examples/image_retraining/retrain.py", line 794, in main
    bottleneck_tensor))
  File "tensorflow/examples/image_retraining/retrain.py", line 484, in get_random_cached_bottlenecks
    bottleneck_tensor)
  File "tensorflow/examples/image_retraining/retrain.py", line 392, in get_or_create_bottleneck
    bottleneck_dir, category)
  File "tensorflow/examples/image_retraining/retrain.py", line 281, in get_bottleneck_path
    category) + '.txt'
  File "tensorflow/examples/image_retraining/retrain.py", line 257, in get_image_path
    mod_index = index % len(category_list)
ZeroDivisionError: integer division or modulo by zero

Answer 1

固定:

当您的任何子文件夹中的图像数量较少时,就会出现此问题.

当特定类别下的图像总数小于30时,我遇到了同样的问题,请尝试增加图像数以解决问题.

原因:

对于每个标签(子文件夹),tensorflow尝试创建3类图像(训练,测试和验证),并根据概率值(使用标签名称的哈希计算)将图像置于其下.

仅当概率值小于类别(训练,测试或验证)大小时,图像才会放置在类别文件夹中.

现在,如果标签内的图像数量较少(例如25),则验证大小计算为10(默认值),概率值通常大于10,因此验证集中不会放置任何图像.

稍后当创建所有瓶颈并且tf尝试计算验证准确性时,它首先抛出致命的日志消息:

CRITICAL:tensorflow:类别没有图像 - 验证.

然后继续执行代码和崩溃,因为它试图除以验证列表大小(为0).

Answer 2

我已经修改了retrain.py以确保至少在验证中有图像(201行*)

if len(validation_images) == 0:
   validation_images.append(base_name)
elif percentage_hash < validation_percentage:

(*)行号可能会在将来的版本中更改.看看评论.

Answer 3

我在运行retrain.py时遇到了同样的问题,当我错误地设置了--model_dir参数并且在flower_photos目录中创建了初始目录时.

请检查flower_photos目录中是否有任何目录没有任何图像.