Проблема с использованием предварительно обученной модели от niftynet

Question

Я хочу сделать 2-сегментную сегментацию, используя модель density_vnet, доступную в niftynet, которая изначально выполняет 9-сегментную сегментацию

Я попытался переобучить только последний уровень, внеся изменения в конфигурационный файл в соответствии с этим предложением: КАК точно настроить предварительно обученную модель niftynet для пользовательских данных

vars_to_restore = ^((?!DenseVNet\/(skip_conv|fin_conv)).)*$

num_classes = 2

ошибка:

tenorflow.python.framework.errors_impl.InvalidArgumentError: Назначение требует соответствия форм обоих тензоров. lhs shape = [2] rhs shape = [9] [[{{node save / Assign_8}} = Assign [T = DT_FLOAT, class = ["loc: @ DenseVNet / conv / conv/ b"], use_locking = true, validate_shape = true, device = "/ job: localhost / replica: 0 / task: 0 / device: CPU: 0"] (DenseVNet / conv / conv/ b, save / RestoreV2: 8)]]

Answer 1

Похоже, вы восстановили слишком много слоев, некоторые из них все еще предназначены для классификации по 9 классам. Проверьте архитектуру и исключите восстановление для всех слоев, которые предназначены для классификации на 9 классов.