Question

我无法使我训练有素的神经网络正常工作。我想将一个numpy数组（本质上是一张图片）喂入训练有素的网络。

with tf.Session() as sess:
    # Unpersists graph from file
    with tf.gfile.FastGFile(graph_path, 'rb') as f:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        _ = tf.import_graph_def(graph_def, name='')
    softmax_tensor = sess.graph.get_tensor_by_name('y_pred:0')
    predictions = sess.run(softmax_tensor,
                           {'DecodeJpeg/contents:0': image_data})

我总是会收到此错误：

TypeError：无法将feed_dict键解释为张量：名称'DecodeJpeg / contents：0'表示不存在的张量。图中不存在“ DecodeJpeg / contents”操作。

我已经为该feed-dict尝试了许多不同的键，但是我做对了。我使用数据集API训练了网络，这意味着我没有可以填的tf.placeholder。相反，网络正在通过包含张量对象的数据集上的迭代器来获取数据。 tfrecord文件是使用Google的this script创建的

我的模型功能开始：

input_layer = tf.reshape(features["image"], [-1, _DEFAULT_IMAGE_SIZE, _DEFAULT_IMAGE_SIZE, 3])

节选摘录：

predictions = {
    # Generate predictions (for PREDICT and EVAL mode)
    "classes": tf.argmax(input=logits, axis=1),
    # Add `softmax_tensor` to the graph. It is used for PREDICT and by the
    # `logging_hook`.
    "probabilities": tf.nn.softmax(logits, name="y_pred")
}
if mode == tf.estimator.ModeKeys.PREDICT:
    return tf.estimator.EstimatorSpec(mode=mode, predictions=predictions)

# Calculate Loss (for both TRAIN and EVAL modes)
onehot_labels = tf.one_hot(indices=tf.cast(labels, tf.int32), depth=2)
loss = tf.losses.softmax_cross_entropy(onehot_labels=onehot_labels, logits=logits)

这是Topology

如何获得这些预测/如何将图像馈送到网络？

Answer 1

image_data应该是张量。您可以使用以下片段将jpeg图像读取为张量（image_file是jpeg文件的位置）

# decode the JPEG image as tensor
image_data = tf.cast(tf.image.decode_jpeg(image_file), tf.float32)

Answer 2

您可以给输入层起一个名字，就像对softmax张量所做的那样按名称检索它，然后将其输入numpy数组。看起来是这样的：

# First, name your input tensor
input_layer = tf.reshape(features["image"], [-1, _DEFAULT_IMAGE_SIZE, _DEFAULT_IMAGE_SIZE, 3], name='input_layer')

...

predictions = sess.run('y_pred:0',
                       {'input_layer:0': image_data})

只要image_data的形状为[1，_DEFAULT_IMAGE_SIZE，_DEFAULT_IMAGE_SIZE，3]，这应该可以工作

关于为什么无法按名称访问DecodedJpeg张量的解释是tf.Dataset运算符不在主图中。

Tensorflow：如何将Tensor馈送到经过训练的神经网络？

2 个答案: