小编sai*_*hor的帖子

Tensorflow API提供了一些预先训练的模型,并允许我们使用任何数据集对它们进行训练.

我想知道如何在一个tensorflow会话中初始化和使用多个图.我想在两个图中导入两个经过训练的模型并将它们用于对象检测,但我在一次会话中尝试运行多个图表时迷失了方向.

是否有任何特定方法可以在一个会话中使用多个图形？

另一个问题是,即使我为2个不同的图创建两个不同的会话并尝试使用它们,我最终会在第一个实例化会话中获得与第二个类似的结果.

我试图运行object_detection.ipynb类型程序,但它是一个普通的python程序(.py).它工作得很好,但在..models/research/object_detection文件夹内运行时,但主要问题是当我试图在另一个目录中运行此代码时sys.append,我最终得到以下错误:

Traceback(最近一次调用最后一次):

文件"obj_detect.py",第20行,in

from utils import label_map_util

Run Code Online (Sandbox Code Playgroud)

ImportError:没有名为utils的模块

如果我尝试将文件从..models/research/object_detection文件夹导入到不同目录中的python程序中,那么我最终会得到更多错误,如下所示:

Traceback(最近一次调用最后一次):

文件"classify_image.py",第10行,in

import object_dt

Run Code Online (Sandbox Code Playgroud)

文件"/home/saikishor/Tensorflow_Models/models/research/object_detection/object_dt.py",第18行,in

from utils import label_map_util

Run Code Online (Sandbox Code Playgroud)

文件"/home/saikishor/Tensorflow_Models/models/research/object_detection/utils/label_map_util.py",第22行,in

from object_detection.protos import string_int_label_map_pb2

Run Code Online (Sandbox Code Playgroud)

ImportError:没有名为object_detection.protos的模块

如何解决这个问题？

感谢Google,它提供了一些预先训练好的模型和tensorflow API.

我想知道如何通过向模型中添加新类来重新训练从上述存储库中获得的预训练模型.例如,COCO数据集训练模型有90个类,我想将1或2个类添加到现有类中,结果得到一个92类对象检测模型.

本地运行由存储库提供,但它完全用新训练的类替换那些预训练的类,只提到列车和评估.

那么,有没有其他方法来重新训练模型并获得92个课程？

我想知道是否有任何方法可以处理非阻塞的情况以及从 python 子进程流式传输stdout和stderr的情况。我已经通过这个网站浏览了几篇文章，但没有一篇文章能回答这种情况。它要么通过在另一个线程中运行读取来显示，以便主线程不受影响（或）只是如何从进程中流式传输数据。我的问题是两者的结合。我想问题出在read()或readline()因为它们在输出流期间以一种或另一种方式阻塞。

我想要一个可流式传输的对象，这是我的主要关注点。我附上我已经通过的参考资料以供进一步参考。

script_process = subprocess.Popen(command_sequence[i],preexec_fn=os.setsid, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
    while script_process.poll() is None:
       for output in iter(lambda: script_process.stdout.readline(), b''):
           sys.stdout.writelines(output)

python中子进程的非阻塞读取.PIPE

从子进程标准输出可靠的非阻塞读取

从需要 stdin 的子进程实时打印 stdout

在进程运行时不断打印子进程输出

是否可以将 python 子进程的输出实时流式传输到网页？

如何从`stdin`创建非阻塞连续读取？

我想知道如何使一个容器可被运行在不同主机上但通过LAN连接的另一个容器发现。基本上，我想在不同的主机上运行两个容器并希望它们进行通信，以这种方式我想我可以在tensorflow上实施分布式培训。

有什么可能的方法来做到这一点？