我想在批处理模式下使用 C++ 中的预训练 CNN 对多个样本进行分类。到目前为止:
我已经在 Python 中使用 Keras 训练了一个 CNN 模型,并使用 is repo ( https://github.com/amir-abdi/keras_to_tensorflow ) 提供的小脚本转换了这个模型。
我能够使用
ReadBinaryProto
函数加载模型并创建一个Session
对象。
现在我想对 n
输入张量进行分类。以下代码有效,但速度很慢,因为使用 (~20 毫秒) 运行一次非常快,但必须执行大约 20.000 次。
std::vector<tensorflow::Tensor> outputs;
std::vector<tensorflow::Tensor> tensor(tensorflow::DT_FLOAT,
tensorflow::TensorShape({1, winSize, winSize, nochannels }));;
for (unsigned int n = 0; n < noSamples; n++)
{
copyDataToTensor(prevImg, prevPoints[n], input_tensor, 0);
tensorflow::Status run_status = m_Session->Run({ { "conv2d_5_input", tensor} }, { "output_node0" }, {}, &outputs);
... evaluate outputs ...
}
winSize
和 noChannels
是一些与 CNN 输入形状相关的常量。
我正在寻找的是一种以批处理模式运行多个样本的方法,例如:
std::vector<tensorflow::Tensor> outputs;
std::vector<tensorflow::Tensor> tensor(tensorflow::DT_FLOAT,
tensorflow::TensorShape({noSamples, winSize, winSize, nochannels }));;
for (unsigned int n = 0; n < noSamples; n++)
{
copyDataToTensor(prevImg, prevPoints[n], input_tensor, n);
}
tensorflow::Status run_status = m_Session->Run({ { "conv2d_5_input", tensor} }, { "output_node0" }, {}, &outputs);
... evaluate outputs ...
但是,这种方法不起作用,因为 outputs
只有一个元素,并且该张量的内容仅存储一个分类结果的结果。
提供 output_tensor_names
vector 的 noSamples
次 {"ouput_node0"}
也不起作用。然后 outputs
张量 vector 具有正确的大小,但每个张量都相似。
如何正确使用此函数以批处理模式执行预测?我必须使用另一个界面来解决这个问题吗?
最佳答案
据推测,第二个批处理模式的奇怪行为的原因是使用了来自此 repo (https://github.com/amir-abdi/keras_to_tensorflow) 的 Keras 到 Python 脚本的错误。
一个导致错误结果的小错误,因为它以错误的方式连接输出,而不是连接到 dense_2/Softmax 节点。有问题的代码是:
K.set_learning_phase(0) net_model = load_model(weight_file_path)
pred = [None]*num_output
pred_node_names = [None]*num_output
for i in range(num_output):
pred_node_names[i] = prefix_output_node_names_of_final_network+str(i)
pred[i] = tf.identity(net_model.output[i], name=pred_node_names[i]),
print('output nodes names are: ', pred_node_names)
sess = K.get_session()
constant_graph = graph_util.convert_variables_to_constants(sess, sess.graph.as_graph_def(), pred_node_names)
graph_io.write_graph(constant_graph, output_fld, output_graph_name, as_text=False)
在 net_model.output[i] 中似乎有一个小错别字。如果改为使用输出字段 (net_model.outputs[i]),则一切正常。 IE。修复将是:
K.set_learning_phase(0)
net_model = load_model(weight_file_path)
pred = [None]*num_output
pred_node_names = [None]*num_output
for i in range(num_output):
pred_node_names[i] = prefix_output_node_names_of_final_network+str(i)
pred[i] = tf.identity(net_model.outputs[i], name=pred_node_names[i]),
print('output nodes names are: ', pred_node_names)
sess = K.get_session()
constant_graph = graph_util.convert_variables_to_constants(sess, sess.graph.as_graph_def(), pred_node_names)
graph_io.write_graph(constant_graph, output_fld, output_graph_name, as_text=False)
关于c++ - 如何使用 Session::Run (TensorFlow C++ API) 以批处理模式执行基于 CNN 的样本分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47391709/