如何从对象检测中加载已保存的模型以进行推理？

Question

我是 Tensorflow 的新手，并且一直在使用 Tensorflow 对象检测 API 对 SSD 进行实验。我可以成功训练一个模型，但默认情况下，它只保存最后 n 个检查点。我想改为保存损失最低的最后 n 个检查点（我假设这是最好的指标）。

我找到了 tf.estimator.BestExporter，它导出了一个 saved_model.pb 和变量。但是，我还没有弄清楚如何加载保存的模型并对其进行推理。在 checkpoiont 上运行 models/research/object_detection/export_inference_graph.py 后，我可以轻松加载检查点并使用对象检测 jupyter notebook 对其运行推理：https : //github.com/tensorflow/models/blob/master/research /object_detection/object_detection_tutorial.ipynb

我找到了有关加载保存模型的文档，并且可以加载这样的图表：

with tf.Session(graph=tf.Graph()) as sess:
        tags = [tag_constants.SERVING]
        meta_graph = tf.saved_model.loader.load(sess, tags, PATH_TO_SAVED_MODEL)
        detection_graph = tf.get_default_graph()

但是，当我将该图与上述 jupyter 笔记本一起使用时，出现错误：

---------------------------------------------------------------------------
KeyError                                  Traceback (most recent call last)
<ipython-input-17-9e48f0d04df2> in <module>
      7   image_np_expanded = np.expand_dims(image_np, axis=0)
      8   # Actual detection.
----> 9   output_dict = run_inference_for_single_image(image_np, detection_graph)
     10   # Visualization of the results of a detection.
     11   vis_util.visualize_boxes_and_labels_on_image_array(

<ipython-input-16-0df86999596e> in run_inference_for_single_image(image, graph)
     31             detection_masks_reframed, 0)
     32 
---> 33       image_tensor = tf.get_default_graph().get_tensor_by_name('image_tensor:0')
     34       # image_tensor = tf.get_default_graph().get_tensor_by_name('serialized_example')
     35 

~/anaconda3/envs/sb/lib/python3.6/site-packages/tensorflow/python/framework/ops.py in get_tensor_by_name(self, name)
   3664       raise TypeError("Tensor names are strings (or similar), not %s." %
   3665                       type(name).__name__)
-> 3666     return self.as_graph_element(name, allow_tensor=True, allow_operation=False)
   3667 
   3668   def _get_tensor_by_tf_output(self, tf_output):

~/anaconda3/envs/sb/lib/python3.6/site-packages/tensorflow/python/framework/ops.py in as_graph_element(self, obj, allow_tensor, allow_operation)
   3488 
   3489     with self._lock:
-> 3490       return self._as_graph_element_locked(obj, allow_tensor, allow_operation)
   3491 
   3492   def _as_graph_element_locked(self, obj, allow_tensor, allow_operation):

~/anaconda3/envs/sb/lib/python3.6/site-packages/tensorflow/python/framework/ops.py in _as_graph_element_locked(self, obj, allow_tensor, allow_operation)
   3530           raise KeyError("The name %s refers to a Tensor which does not "
   3531                          "exist. The operation, %s, does not exist in the "
-> 3532                          "graph." % (repr(name), repr(op_name)))
   3533         try:
   3534           return op.outputs[out_n]

KeyError: "The name 'image_tensor:0' refers to a Tensor which does not exist. The operation, 'image_tensor', does not exist in the graph."

有没有更好的方法来加载保存的模型或将其转换为推理图？

谢谢！

Answer 1

Tensorflow 检测 API 在导出过程中支持不同的输入格式，如文件export_inference_graph.py 的文档中所述：

• image_tensor：接受形状为 [None, None, None, 3] 的 uint8 4-D 张量
• encoded_image_string_tensor：接受形状为 [None] 的一维字符串张量，其中包含编码的 PNG 或 JPEG 图像。如果提供 1 张以上的图像，则图像分辨率应相同。
• tf_example：接受形状为 [None] 的一维字符串张量，其中包含序列化的 TFExample 原型。如果提供 1 张以上的图像，则图像分辨率应相同。

所以你应该检查你是否使用了image_tensorinput_type。所选输入节点将在导出模型中命名为“输入”。所以我想image_tensor:0用inputs（或者也许inputs:0）替换会解决你的问题。

另外我想推荐一个有用的工具来运行带有几行代码的导出模型：tf.contrib.predictor.from_saved_model. 以下是如何使用它的示例：

import tensorflow as tf
import cv2

img = cv2.imread("test.jpg")
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img_rgb = np.expand_dims(img, 0)

predict_fn = tf.contrib.predictor.from_saved_model("./saved_model")
output_data = predict_fn({"inputs": img_rgb})
print(output_data)  # detector output dictionary