Question

我对Tensorflow还是陌生的，并且一直在使用Tensorflow对象检测API对SSD进行实验。我可以成功训练模型，但是默认情况下，它仅保存最后n个检查点。我想以最低的损失保存最后的n个检查点（我假设这是使用的最佳度量）。

我找到了tf.estimator.BestExporter，它导出了一个saveed_model.pb以及变量。但是，我还没有弄清楚如何加载保存的模型并对其进行推断。在检查点上运行models / research / object_detection / export_inference_graph.py之后，我可以轻松地使用对象检测jupyter笔记本来加载检查点并对其进行推断：https://github.com/tensorflow/models/blob/master/research/object_detection/object_detection_tutorial.ipynb

我找到了有关加载保存的模型的文档，并且可以加载这样的图形：

with tf.Session(graph=tf.Graph()) as sess:
        tags = [tag_constants.SERVING]
        meta_graph = tf.saved_model.loader.load(sess, tags, PATH_TO_SAVED_MODEL)
        detection_graph = tf.get_default_graph()

但是，当我在上面的jupyter笔记本中使用该图时，会出现错误：

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-17-9e48f0d04df2> in <module>
      7   image_np_expanded = np.expand_dims(image_np, axis=0)
      8   # Actual detection.
----> 9   output_dict = run_inference_for_single_image(image_np, detection_graph)
     10   # Visualization of the results of a detection.
     11   vis_util.visualize_boxes_and_labels_on_image_array(

<ipython-input-16-0df86999596e> in run_inference_for_single_image(image, graph)
     31             detection_masks_reframed, 0)
     32 
---> 33       image_tensor = tf.get_default_graph().get_tensor_by_name('image_tensor:0')
     34       # image_tensor = tf.get_default_graph().get_tensor_by_name('serialized_example')
     35 

~/anaconda3/envs/sb/lib/python3.6/site-packages/tensorflow/python/framework/ops.py in get_tensor_by_name(self, name)
   3664       raise TypeError("Tensor names are strings (or similar), not %s." %
   3665                       type(name).__name__)
-> 3666     return self.as_graph_element(name, allow_tensor=True, allow_operation=False)
   3667 
   3668   def _get_tensor_by_tf_output(self, tf_output):

~/anaconda3/envs/sb/lib/python3.6/site-packages/tensorflow/python/framework/ops.py in as_graph_element(self, obj, allow_tensor, allow_operation)
   3488 
   3489     with self._lock:
-> 3490       return self._as_graph_element_locked(obj, allow_tensor, allow_operation)
   3491 
   3492   def _as_graph_element_locked(self, obj, allow_tensor, allow_operation):

~/anaconda3/envs/sb/lib/python3.6/site-packages/tensorflow/python/framework/ops.py in _as_graph_element_locked(self, obj, allow_tensor, allow_operation)
   3530           raise KeyError("The name %s refers to a Tensor which does not "
   3531                          "exist. The operation, %s, does not exist in the "
-> 3532                          "graph." % (repr(name), repr(op_name)))
   3533         try:
   3534           return op.outputs[out_n]

KeyError: "The name 'image_tensor:0' refers to a Tensor which does not exist. The operation, 'image_tensor', does not exist in the graph."

是否有更好的方法来加载保存的模型或将其转换为推理图？

谢谢！

Answer 1

Tensorflow检测API在导出过程中支持不同的输入格式，如文件export_inference_graph.py的文档所述：

image_tensor：接受形状为[None，None，None，3]的uint8 4-D张量
encoded_image_string_tensor：接受形状为[无]的一维字符串张量包含编码的PNG或JPEG图像。图像分辨率有望达到如果提供了多于1张图片，则相同。
tf_example：接受形状为[None]的一维字符串张量，包含序列化TFExample原型。图像分辨率应相同如果提供的图像超过1张。

因此，您应该检查是否使用image_tensor input_type。在导出的模型中，所选的输入节点将被命名为“输入”。因此，我想用image_tensor:0（或者也许是inputs）替换inputs:0可以解决您的问题。

我也想推荐一个有用的工具来运行带有多行代码的导出模型：tf.contrib.predictor.from_saved_model。这是使用方法的示例：

import tensorflow as tf
import cv2

img = cv2.imread("test.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img_rgb = np.expand_dims(img, 0)

predict_fn = tf.contrib.predictor.from_saved_model("./saved_model")
output_data = predict_fn({"inputs": img_rgb})
print(output_data)  # detector output dictionary

如何从对象检测中加载保存的模型以进行推理？

1 个答案: