Question

我已经在自己的数据集上训练了alexnet_v2，现在想在另一个应用程序中使用它。这应该非常简单，并且我已尝试以多种方式实现它，但要么我得到错误我无法解决，或者（在下面的代码的情况下）它会无限期地挂起。

理想情况下，我喜欢C ++（但C ++ API似乎不可靠，或者至少在很多地方都有过时的文档，所以python是可以接受的），我想分类大组图像（例如：为程序提供80个动物图像并返回其中是否有任何动物显示猫）。

我是否以正确的方式使用下面的代码？如果是这样，我该如何解决呢。

如果没有，是否有更好的方法的工作示例？

非常感谢。

import tensorflow as tf

#Using preprocessing and alexnet_v2 net from the slim examples

from nets import nets_factory
from preprocessing import preprocessing_factory

#Checkpoint file from training on binary dataset

checkpoint_path = '/home/ubuntu/tensorflow/models/slim/data/checkpoint.ckpt'

slim = tf.contrib.slim

number_of_classes = 2


image_filename = '/home/ubuntu/tensorflow/models/slim/data/images/neg_sample_123459.jpg'

image_filename_placeholder = tf.placeholder(tf.string)

image_tensor = tf.read_file(image_filename_placeholder)

image_tensor = tf.image.decode_jpeg(image_tensor, channels=3)

image_batch_tensor = tf.expand_dims(image_tensor, axis=0)

#Use slim's alexnet_v2 implementation

network_fn = nets_factory.get_network_fn('alexnet_v2',num_classes=2,is_training=False)

#Use inception preprocessing

preprocessing_name = 'inception'
image_preprocessing_fn= preprocessing_factory.get_preprocessing(preprocessing_name,is_training=False)

image_tensor=image_preprocessing_fn(image_tensor,network_fn.default_image_size,network_fn.default_image_size)

label=3
images,labels=tf.train.batch(
    [image_tensor,label],
    batch_size=2,
    num_threads=1,
    capacity=10)

pred,_=network_fn(images)

initializer = tf.local_variables_initializer()

init_fn=slim.assign_from_checkpoint_fn(
    checkpoint_path,
    slim.get_model_variables('alexnet_v2'))

with tf.Session() as sess:

    sess.run(initializer)
    init_fn(sess)
    tf.train.start_queue_runners(sess)
    image_np, pred_np = sess.run([image_tensor, pred], feed_dict={image_filename_placeholder: image_filename})

编辑：以粗体添加行后，程序不再挂起。但是我收到占位符错误：

InvalidArgumentError：您必须为占位符张量提供值＆＃39;占位符＆＃39;用dtype string [[Node：Placeholder = Placeholderdtype = DT_STRING，shape = []， _device =＆＃34; /作业：本地主机/复制：0 /任务：0 / CPU：0＆＃34;]]

我已经仔细检查了拼写，据我所知，我正确地喂它。怎么了？

Answer 1

tf.train.batch()函数使用后台线程来预取示例，但是您需要添加一个显式命令（tf.train.start_queue_runners(sess)）来启动这些线程。按如下方式重写代码的最后一部分应该会阻止它挂起：

with tf.Session() as sess:
  sess.run(initializer)
  init_fn(sess)

  # Starts background threads for input preprocessing.
  tf.train.start_queue_runners(sess)

  image_np, pred_np = sess.run(
      [image_tensor, pred],
      feed_dict={image_filename_placeholder: image_filename})

使用预训练（Tensorflow）CNN对图像进行分类

1 个答案: