python - 在 tensorflow 中输入图像数据以进行迁移学习

Question

我正在尝试使用 tensorflow 进行迁移学习。我从教程中下载了预训练模型 inception3。在代码中，用于预测:

prediction = sess.run(softmax_tensor,{'DecodeJpeg/contents:0'}:image_data})

有没有办法提供 png 图像。我尝试将 DecodeJpeg 更改为 DecodePng 但它不起作用。另外，如果我想提供解码后的图像文件，如 numpy 数组或一批数组，我应该改变什么？

谢谢!!

Answer 1

classify_image.py 中使用的 InceptionV3 图仅支持开箱即用的 JPEG 图像。有两种方法可以将此图表与 PNG 图像一起使用:

1. 将 PNG 图像转换为 height x width x 3 (channels) Numpy 数组，例如使用 PIL ，然后输入 'DecodeJpeg:0' 张量:

   import numpy as np
   from PIL import Image
   # ...
   
   image = Image.open("example.png")
   image_array = np.array(image)[:, :, 0:3]  # Select RGB channels only.
   
   prediction = sess.run(softmax_tensor, {'DecodeJpeg:0': image_array})
   

   也许令人困惑的是，'DecodeJpeg:0' 是 DecodeJpeg 操作的 输出，因此通过输入这个张量，您可以提供原始图像数据。

2. 向导入的图形添加 tf.image.decode_png() 操作。简单地将馈送张量的名称从 'DecodeJpeg/contents:0' 切换到 'DecodePng/contents:0' 不起作用，因为没有 'DecodePng ' 运载图表中的操作。您可以使用 tf.import_graph_def() 的 input_map 参数将此类节点添加到图形中。 :

   png_data = tf.placeholder(tf.string, shape=[])
   decoded_png = tf.image.decode_png(png_data, channels=3)
   # ...
   
   graph_def = ...
   softmax_tensor = tf.import_graph_def(
       graph_def,
       input_map={'DecodeJpeg:0': decoded_png},
       return_elements=['softmax:0'])
   
   sess.run(softmax_tensor, {png_data: ...})