我正在使用tensorflow和预先训练的mobilenet_v2模型进行我的项目,该模型可以在https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md上找到
我想得到隐藏的图层值,所以我实现了这个源代码,我得到了一个无效的错误
if __name__ == '__main__':
im = Image.open('./sample/maltiz.png')
im3 = im.resize((300, 300))
image = np.asarray(im)[:,:,:3]
model_path = 'models/ssd_mobilenet_v2_coco_2018_03_29/'
meta_path = os.path.join(model_path, 'model.ckpt.meta')
model = tf.train.import_meta_graph(meta_path)
sess = tf.Session()
model.restore(sess, tf.train.latest_checkpoint(model_path))
data = np.array([image])
data = data.astype(np.uint8)
X = tf.placeholder(tf.uint8, shape=[None, None, None, 3])
graph = tf.get_default_graph()
for i in graph.get_operations():
if "Relu" in i.name:
print(sess.run(i.values(), feed_dict = { X : data}))
我收到此错误消息
File "load_model.py", line 42, in <module>
print(sess.run(i.values(), feed_dict = { X : data}))
InvalidArgumentError: You must feed a value for placeholder tensor 'image_tensor' with dtype uint8 and shape [?,?,?,3]
[[node image_tensor (defined at load_model.py:24) ]]
我打印出占位符和数据的形状。
占位符是uint8类型[?,?,?,3]和图像有[1,300,300,3]的形状我不知道是什么问题。
它看起来只是与错误消息上的类型完美匹配。
请告诉我这是什么问题。
加载预定义图形并将图形恢复到最新检查点时,已定义图形。但是,当你这样做
X = tf.placeholder(tf.uint8, shape=[None, None, None, 3])
您正在图中创建一个额外的节点。并且此节点与要评估的节点无关,来自graph.get_operations()
的节点不依赖于此额外节点而是依赖于其他节点,并且由于此其他节点未获取值,因此错误表示无效参数。
正确的方法是获得要评估的节点取决于预定义图形的张量。
im = Image.open('./sample/maltiz.png')
im3 = im.resize((300, 300))
image = np.asarray(im)[:,:,:3]
model_path = 'models/ssd_mobilenet_v2_coco_2018_03_29/'
meta_path = os.path.join(model_path, 'model.ckpt.meta')
model = tf.train.import_meta_graph(meta_path)
sess = tf.Session()
model.restore(sess, tf.train.latest_checkpoint(model_path))
data = np.array([image])
data = data.astype(np.uint8)
graph = tf.get_default_graph()
X = graph.get_tensor_by_name('image_tensor:0')
for i in graph.get_operations():
if "Relu" in i.name:
print(sess.run(i.values(), feed_dict = { X : data}))
PS:我自己尝试了上述方法,但是有一些tensorflow(版本1.13.1)内部错误阻止我评估名称中包含Relu
的所有节点。但仍然可以通过这种方式评估某些节点。