python - 如何通过TensorFlow-Slim VGG Pre-Trained Net批量传递图像？

Question

我想通过网络传递图像以执行迁移学习任务。在下面的代码中，我将构建图形，然后获取完全连接层的输出。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。我尝试提供输入占位符(查看 docs 后)，但在加载检查点时出现错误没有要保存的变量。

我可以一次提供 vgg.vgg_16(images) 一些图像，但我需要为每个批处理加载检查点。我很确定有更好的方法可以做到这一点。有什么例子或引用资料可供我查看吗？

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)

我也尝试过this和 this引用资料，但我没有找到答案。

Answer 1

您可以创建一个占位符，并将其传递到vgg 网络。将代码更改为:

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})