Question

最近我尝试使用Python中的Tensorflow进行机器学习，作为我用这两种产品的第一个项目，为下一学期做准备，但我遇到了关于运行时的问题，也许还有我的一般理解。

我想创建一个程序：

加载图片（来自路径）
使用损失函数和渐变正确将所有像素变为绿色
再次输出图片。

好消息是我确实设法做到了这一点：

import tensorflow as tf
import numpy as np
from PIL import Image
input = "pic.png"
output = "output.png"

file = Image.open(path)
picture = np.array(file, np.float16)
tenarray = tf.Variable(picture) #takes 20+ sec to run

greenPic = np.empty([len(picture[:, 1]), len(picture[1]), 3], dtype=np.float16)
greenPic[:, :, 1] = 250
comparisonPic = tf.Variable(greenPic) #takes 20+ sec to run


picComparison = tf.reduce_mean(-tf.reduce_sum(comparisonPic * tf.log(tenarray)))

rate = 0.05
trainingStep = tf.train.GradientDescentOptimizer(rate).minimize(picComparison)

with tf.Session() as sesh:
    sesh.run(tf.global_variables_initializer()) #Sets our variables, gets ready to run.
    for i in range(100):
        sesh.run(trainingStep)

resultArray = sesh.run(tenarray)

#Save picture

问题是，该代码需要45秒运行，基本上是2 * 22秒的空闲时间和〜1秒的实际计算。

我制作了更快的版本，但他们都无法操纵图片，或拒绝编译。有没有人知道如何做到这一点，效率更高？

Answer 1

我自己设法解决了这个问题，所以如果有人因某种原因遇到同样的问题，我会在这里发表评论。

问题在于使用tf.float16＆而不是tf.float32用于图像张量，更改这使得上面的代码对我来说运行速度提高了50倍。

所以：

import returnHello from "helloworld";

describe("Some Test", function() {
  it("passes", () => expect(returnHello()).toEqual("Hello"));
});

如何快速有效地打开和操作图片？

1 个答案: