如何通过 TensorFlow-Slim VGG 预训练网络批量传递图像？答案

【问题标题】：How to pass images through TensorFlow-Slim VGG Pre-Trained Net in Batches?如何通过 TensorFlow-Slim VGG 预训练网络批量传递图像？
【发布时间】：2017-12-06 02:19:30
【问题描述】：

我想通过网络传递图像以完成迁移学习任务。在以下代码中，我正在构建图形，然后获取全连接层的输出。我想批量获取输出，因为我有一个包含超过 20k 图像的数组。

vgg.vgg_16(images) 要求 images 是图像数组。我尝试输入一个输入占位符（在查看docs 之后），但在加载检查点时出现错误There are no variables to save。

我可以一次输入vgg.vgg_16(images) 几张图像，但我需要为每批加载检查点。我很确定有更好的方法来做到这一点。有什么可以参考的例子或参考资料吗？

from tensorflow.contrib import slim
from tensorflow.contrib.slim.nets import vgg

images = np.array(read_images(val_filenames[:4], 224, 224), dtype=np.float32) # load images and resize to 224 x 224


vgg_graph = tf.Graph()

with vgg_graph.as_default():
    with slim.arg_scope(vgg.vgg_arg_scope()):
        outputs, end_points = vgg.vgg_16(images, is_training=False)

    fc6 = end_points['vgg_16/fc6']


with tf.Session(graph=vgg_graph) as sess:
    saver = tf.train.Saver()
    saver.restore(sess, 'checkpoints/vgg_16.ckpt')

    # pass images through the network
    fc6_output = sess.run(fc6)

我也尝试了 this 和 this 参考，但没有找到答案。

【问题讨论】：

标签： python tensorflow tf-slim vgg-net

【解决方案1】：

您可以创建一个placeholder，并将其传递给vgg 网络。将您的代码更改为：

images = tf.placeholder(tf.float32, shape=[batch_size, height, width, channels])

with slim.arg_scope(vgg.vgg_arg_scope()):
    outputs, end_points = vgg.vgg_16(images, is_training=False)

在训练期间，将输入传递给网络：

fc6_output = sess.run(fc6, feed_dict={images:batch_images})

【讨论】：

我在创建保护程序对象时得到ValueError: No variables to save。看起来它在提供占位符而不是图像本身时无法构建图形。我正在运行 tensorflow v1.2.0。
在此处查看文件：drive.google.com/open?id=0BwoPpNIm4bJqcUR5MTIxV1pKa28
感谢您的示例。我注意到我在图形范围之外创建了 image 占位符。这就是为什么 Saver 没有找到任何变量的原因。将其移入内部解决了问题。