Question

使用Link的说明，我已经为新类别重新训练了tensorflow开始。

但我注意到，如果我想对一组图像进行分类，它会逐个浏览图像，然后对其进行分类。如果数据集很大，则完成分类需要很长时间。例如，1000张图像需要45分钟。

对于图像分类，我使用的LabelImage.py可用online如下：

import tensorflow as tf
import sys

image_path = sys.argv[1] #Pass the test file as argument

# Read in the image_data
image_data = tf.gfile.FastGFile(image_path, 'rb').read()

# Loads label file (the retained labels from retraining) and strips off carriage return
label_lines = [line.rstrip() for line
                   in tf.gfile.GFile("/tf_files/tf_files/retrained_labels.txt")]

# Unpersists graph from file
with tf.gfile.FastGFile("/tf_files/tf_files/retrained_graph.pb", 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    _ = tf.import_graph_def(graph_def, name='')

with tf.Session() as sess:
    # Feed the image_data as input to the graph and get first prediction i.e. the most likely result
    softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')

    predictions = sess.run(softmax_tensor, \
             {'DecodeJpeg/contents:0': image_data})

    # Sort to show labels of first prediction in order of confidence
    top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]

    for node_id in top_k:
        human_string = label_lines[node_id]
        score = predictions[0][node_id]
        print('%s (score = %.5f)' % (human_string, score))

您可以注意到，它按图像处理一个图像。

是否有可能加快这个过程？当我重新编写库时，它不是为多个GPU编译的。还有其他方法可以加快分类过程吗？

先谢谢

Answer 1

要优化aandroidtest给出的答案，如果您使用上述脚本，则需要花费大部分时间为每个图像重新加载模型等。

相反，您应该只加载一次模型，然后在脚本中逐个查看图像。

Answer 2

方法是加载库并随后处理图像。这样可以节省每张图像的加载部分。

找到答案here。

提高Tensorflow图像分类的速度

2 个答案: