Question

我是tensorflow的新手，试图弄清楚tensorflow如何执行以下任务：

（对齐的面部图像）>（具有经过训练的权重的facenet nn模型）>（嵌入计算）

https://www.python36.com/face-detection-matching-using-facenet/

如果我理解正确，下面列出的是上述任务的代码，我的问题是该计算是否通过sess.run（）执行？

如果我错了，请纠正我-（1）xxx.pb具有模型的所有内容：神经网络的层和权重，（2）声明images_placeholder以及神经网络的输入和输出张量的嵌入，（ 3）通过feed_dict为输入分配“图像”，然后（4）执行sess.run（）从输入“ feed_dict”通过神经网络（xxx.pb），以计算输出“嵌入”。

令我感到困惑的是，执行时没有其他表达“嵌入”的表达式：

sess.run（嵌入，feed_dict = feed_dict）

顺便说一句，对于输出张量，是否将名称“ embedddings”替换为“ output”或任何其他名称有关系吗？在我看来，没有代码行用于声明“嵌入”，与“ input：0”相同。

    facenet.load_model("xxx.pb")

    # prepare placeholders for input and output tensors

    images_placeholder = tf.get_default_graph().get_tensor_by_name("input:0")
    embeddings = tf.get_default_graph().get_tensor_by_name("embeddings:0")

    # execute the tensorflow graph with "images" input

    feed_dict = { images_placeholder: images, ... }
    images_embeddings = sess.run(embeddings,feed_dict=feed_dict)

    <facenet.py>
    ......
    def load_model(model):
        model_exp = os.path.expanduser(model)
        if (os.path.isfile(model_exp)):
            print('Model filename: %s' % model_exp)
            with gfile.FastGFile(model_exp,'rb') as f:
                graph_def = tf.GraphDef()
                graph_def.ParseFromString(f.read())
                tf.import_graph_def(graph_def, name='')
        else        
            ......

Answer 1

是的，上述执行流程（1）〜（4）是正确的。

“嵌入”可以通过运行以下代码来计算

python face_detect_demo.py --img = images / faces.jpg

张量流如何通过深度学习模型计算？

1 个答案: