【发布时间】：2019-04-04 04:06:54
【问题描述】：
我是 tensorflow 的新手，并试图弄清楚 tensorflow 如何执行以下任务：
（对齐的面部图像）>（具有训练权重的 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，我的问题是计算是否通过 sess.run() 执行？
如果我错了，请纠正我 - (1) xxx.pb 包含模型的所有内容：神经网络的层和权重，(2) 为神经网络的输入和输出张量声明 images_placeholder 和嵌入，( 3) 通过 feed_dict 将“图像”分配给输入，(4) 执行 sess.run() 以从输入“feed_dict”通过神经网络 (xxx.pb)，计算输出“嵌入”。
让我感到困惑的是执行时没有“嵌入”的其他表达式：
sess.run(嵌入，feed_dict=feed_dict)
顺便说一句，对于输出张量，我是否将名称“嵌入”替换为“输出”或任何其他名称是否重要？在我看来，没有声明“嵌入”的代码行，与“输入：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
......
【问题讨论】：
标签： tensorflow