python - 在niftynet上实现转移学习

我想使用Dense V-Net架构实施转移学习。在搜索如何执行此操作时，我发现此功能当前正在使用（How do I implement transfer learning in NiftyNet?）。

尽管从该答案中可以很明显地看出，没有直接的方法可以实现它，但我还是在尝试：

1）创建密集的V-Net

2）从.ckpt文件还原weigths

3）自行实施转学

要执行步骤1，我认为我可以使用niftynet.network.dense_vnet模块。因此，我尝试了以下方法：

checkpoint = '/path_to_ckpt/model.ckpt-3000.index'
x = tf.placeholder(dtype=tf.float32, shape=[None,1,144,144,144])
architecture_parameters = dict(
    use_bdo=False,
    use_prior=False,
    use_dense_connections=True,
    use_coords=False)

hyperparameters = dict(
    prior_size=12,
    n_dense_channels=(4, 8, 16),
    n_seg_channels=(12, 24, 24),
    n_input_channels=(24, 24, 24),
    dilation_rates=([1] * 5, [1] * 10, [1] * 10),
    final_kernel=3,
    augmentation_scale=0)
model_instance = DenseVNet(num_classes=9,hyperparameters=hyperparameters,
                             architecture_parameters=architecture_parameters)

model_net = DenseVNet.layer_op(model_instance, x)

但是，出现以下错误：

TypeError: Failed to convert object of type <type 'list'> to Tensor. Contents: [None, 1, 72, 72, 24]. Consider casting elements to a supported type.

因此，问题是：

有什么办法可以实现呢？

最佳答案

转移学习已添加到NiftyNet中。

您可以选择要通过vars_to_restore配置参数还原的变量，以及要通过vars_to_freeze配置参数冻结的变量。

有关更多信息，请参见here。