在numpy数组上运行Tensorflow classify_image

Question

我有一个实时应用程序，我试图对来自Feed的图片进行分类。 classify_images示例包含：

image_data = tf.gfile.FastGFile(image, 'rb').read()
#...
with tf.Session() as sess:
    predictions = sess.run(softmax_tensor,
        {'DecodeJpeg/contents:0': image_data})

其中image是图像文件的路径。但是，我没有从文件中读取图像，我将它们作为numpy数组接收。在以前获取的图像上运行Tensorflow会话的最佳方法是什么？此外，最佳做法是事先创建一个会话和一个图形，并且每当获取新帧时，在新图像上运行现有会话，而不是创建新图形和新会话？

编辑：

我试过了：

images_placeholder = tensorflow.placeholder(tensorflow.int32)
predictions = sess.run(softmax_tensor,
                       {images_placeholder: image})

它有效！谢谢sygi！

编辑2：

这会在一段时间后崩溃而没有错误消息，并且每个帧都预测了相同的标签。我甚至在每一帧都创建了一个新的images_place对象，但我仍然得到相同的标签。

Answer 1

  

在a上运行Tensorflow会话的最佳方法是什么？   以前获得的图像？

我认为最好的方法是创建一个tf.placeholder，在模型中使用它，最后在feed dict中传递numpy数组。

  

是预先创建一个会话和一个图形的最佳做法，   并且每当获取新帧时，运行现有会话   新图像，而不是创建新图表和新会话？

最好重复使用一个图表和一个会话。当您创建图形时，它会被“编译”以将您编写的代码更改为高效的GPU实现。你创建了很多图表 - 你会花很多时间做同样的“编译”。此外，当您重用一个会话时，您可以重用变量，防止它们从RAM传递到GPU内存。