Question

我是TensorFlow的绝对新手。

如果我想要使用Cifar10 TensorFlow教程中的代码尝试分类图片（或图片集），我该怎么做？

我完全不知道从哪里开始。

Answer 1

完全根据教程使用基本CIFAR10数据集训练模型。
使用您自己的输入创建一个新图表 - 最简单的方法是使用tf.placeholder并按以下方式提供数据，但还有很多其他方法。
开始会话，加载以前保存的权重。
如果您使用上述feed_dict，请使用placeholder运行会话。

import tensorflow as tf

train_dir = '/tmp/cifar10_train'  # or use FLAGS as in the train example
batch_size = 8
height = 32
width = 32

image = tf.placeholder(shape=(batch_size, height, width, 3), dtype=tf.uint8)
std_img = tf.image.per_image_standardization(image)
logits = cifar10.inference(std_img)
predictions = tf.argmax(logits, axis=-1)

def get_image_data_batches():
    n_batchs = 100
    for i in range(n_batchs):
        yield (np.random.uniform(size=(batch_size, height, width, 3)*255).astype(np.uint8)

def do_stuff_with(logit_vals, prediction_vals):
    pass

with tf.Session() as sess:
    # restore variables
    saver = tf.train.Saver()
    saver.restore(sess, tf.train.latest_checkpoint(train_dir))
    # run inference
    for batch_data in get_image_data_batches():
        logit_vals, prediction_vals = sess.run([logits, predictions], feed_dict={image: image_data})
        do_stuff_with(logit_vals, prediction_vals)

有更好的方法可以将数据添加到图表中（请参阅tf.data.Dataset），但我相信tf.placeholder是最简单的学习方法，并且最初可以运行并运行。

同时查看tf.estimator.Estimator以获得更简洁的会话管理方式。它与本教程中的方式完全不同，而且灵活性稍差，但对于标准网络，它们可以节省您编写大量样板代码的时间。

如何使用Tensorflow Cifar10教程代码进行推理？

1 个答案: