在张量流中使用带有一批图像的 inception v3答案

【问题标题】：Use inception v3 with batch of images in tensorflow在张量流中使用带有一批图像的 inception v3
【发布时间】：2017-10-29 10:21:36
【问题描述】：

在我的一个计算机视觉项目中，我使用公共预训练的 inception-v3 可在此处获得：http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz。这个网络位于我的分类链的开头（很多东西都是在网络产生的 logits 上执行的）。我想为这个网络提供一批图像（而不是顺序处理图像），以使其更快。但是，提供的网络已被“冻结”，一次只能处理一张图像。

是否有任何解决方案可以“解冻”图表并对其进行调整，以便我可以在批量图像上使用它？

(N.B ：我在互联网上找到了相关主题，但他们都建议使用更新的网络，例如这里： http://download.tensorflow.org/models/image/imagenet/inception-v3-2016-03-01.tar.gz。这不是我想做的，因为很多东西已经在冻结模型的输出上进行了调整。）

【问题讨论】：

我设法找到了一个解决方案（通过比较两个图中的所有运算符）并用适当的权重重建一个图。如果有人遇到类似问题，我可以分享我的代码（或者只是我修改过的冻结初始模型）。
我有同样的问题，我想知道你是否能详细说明你是如何解决它或分享你的代码

标签： tensorflow classification batch-processing

【解决方案1】：

不确定是否为时已晚，但这是我使用的代码 sn-p：

# First loan model into and old graph 
proto_file = ...  # downloaded inception protofile 
graph_def = tf.GraphDef.FromString(open(proto_file, 'rb').read())
to_delete = {“DecodeJpeg", "Cast", "ExpandDims", "pool_3/_reshape", "softmax"}
graph_def = delete_ops_from_graph(graph_def, to_delete)

new_graph = tf.Graph()
with new_graph.as_default():
    x = tf.placeholder(tf.uint8, [None, None, None, 3], name="batched_inputs")
    x_cast = tf.cast(x, dtype=tf.float32)
    y = tf.import_graph_def(graph_def, input_map={"ExpandDims:0": x_cast}, return_elements=["pool_3:0"],name="")

...

现在new_graph 是具有批量维度的图（采用 4d 张量 NHWC）。请注意，如果您想使用 inception-2015-12-05.tgz 作为特征提取器，这很好。你需要从output = new_graph.get_tensor_by_name("pool_3:0")获取输出

delete_ops_from_graph的定义见Tensorflow: delete nodes from graph

【讨论】：