问题描述
我已经下载了张量流GraphDef，它实现了一个VGG16 ConvNet，我这样做：
Pl ['images' ] = tf.placeholder（tf.float32，
[None，448，448，3]，
name =images）#batch x width x height x channels
with open（因为f：
fileContent = f.read（）
graph_def = tf.GraphDef（）
graph_def。 ParseFromString（fileContent）
tf.import_graph_def（graph_def，input_map = {images：Pl ['images']}）
另外，我的图像特征与import / pool5 /的输出是同质的。
如何告诉我的图不想使用他的输入images，但张量import / pool5 /作为输入？
谢谢！
编辑
好的，我意识到我不是很清楚。这是情况：
我正尝试使用此使用预先训练好的VGG16（我使用GraphDef格式），实现投资回报率合并。所以这里是我做的：
首先，我加载模型：
tf.reset_default_graph（）
with open（tensorflow-vgg16 / vgg16.tfmodel，
mode ='rb'）as f：
fileContent = f.read（ ）
graph_def = tf.GraphDef（）
graph_def.ParseFromString（fileContent）
graph = tf.get_default_graph（）
然后，我创建我的占位符
images = tf.placeholder（tf。 float32，
[None，448，448，3]，
name =images）#batch x width x height x channels
boxes = tf.placeholder（tf.float32，
[None，5]，＃5 = [batch_id，x1，y1，x2，y2]
name =boxes）
我将图的第一部分的输出定义为conv5_3 / Relu
tf.import_graph_def（graph_def，
input_map = {'images ：images}）
out_tensor = graph.get_tensor_by_name（import / conv5_3 / Relu：0）
因此， out_tensor 的形状 [无，14,14,512]
然后，我执行ROI池：
[out_pool，argmax] = module.roi_pool（out_tensor ，
盒，
7,7,1.0 / 1）
code> out_pool.shape = N_Boxes_in_batch x 7 x 7 x 512 ，它与 pool5 是同类的。然后，我想将 out_pool 作为输入提供给 pool5 后面的操作，所以它看起来像
tf.import_graph_def（graph.as_graph_def（），
input_map = {'import / pool5'：out_pool}）
但它不起作用，我有这个错误：
----------------------------------- ----------------------------------------
TypeError Traceback（最近的呼叫最后）
< ipython-input-89-527398d7344b> in< module>（）
5
6 tf.import_graph_def（graph.as_graph_def（），
----> 7 input_map = {'import / pool5'：out_pool}）
8
9 final_out = graph.get_tensor_by_name（import / Relu_1：0）
/usr/local/lib/python3.4/dist-packages/tensorflow/python /framework/importer.py in import_graph_def（graph_def，input_map，return_elements，name，op_dict）
333＃注意（mrry）：如果图形包含一个循环，则完整形状信息
334＃可能不是可用于此操作的输入。
- > 335 ops.set_shapes_for_outputs（op）
336
337＃为此操作应用设备功能。
/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/ops.py in set_shapes_for_outputs（op）
1610 raise RuntimeError（没有形状函数注册对于标准操作：％s
1611％op.type）
- > 1612 shapes = shape_func（op）
1613 if len（op.outputs）！= len（shapes）：
1614 raise RuntimeError（
/ home / hbenyounes / vqa / roi_pooling_op_grad .py in _roi_pool_shape（op）
13 channels = dims_data [3]
14 print（op.inputs [1] .name，op.inputs [1] .get_shape（））
- - > 15 dims_rois = op.inputs [1] .get_shape（）。as_list（）
16 num_rois = dims_rois [0]
17
/ usr / local / lib / python3.4 / dist-packages / tensorflow / python / framework / tensor_shape.py in as_list（self）
745每个维度的整数列表或None。
746
- > 747 return [dim.value for dim in self._dims]
748
749 def as_proto（self）：
TypeError：'NoneType'对象不是可迭代的
任何线索？
我会做的是沿着这些方向行事：
- 首先检索张量的名称给出VGG16中pool5之后的3个完全连接层的权重和偏差。
要做到这一点，我会检查graph.as_graph_def（）中n的n $ name。 ] 。
（它们可能看起来像是import / locali / weight：0，import / locali / bias：0等）
- 将它们放入python列表：
weights_names = [import / local1 / weight：0，import / local2 / weight：0， import / local3 / weight：0]
biases_names = [import / local1 / bias：0，import / local2 / bias：0，import / local3 / bias：0]
- 定义一个如下所示的函数：
<$ p $ （$ input_tensor，（ - 1,7 * 7 * 512））
tmp = flatten
for xrange（layer_number）：
tmp = tf.matmul（tmp，graph.get_tensor_by_name（weights_name [i]））
tmp = tf.nn.bias_add（tmp，graph.get_tensor_by_name（ biasses_name [i]））
tmp = tf.nn.relu（tmp）
return tmp
然后使用函数定义张量：
wanted_output = pool5_tofcX（out_pool）
然后你就是了完成！
I have downloaded a tensorflow GraphDef that implements a VGG16 ConvNet, which I use doing this :
Pl['images'] = tf.placeholder(tf.float32,
[None, 448, 448, 3],
name="images") #batch x width x height x channels
with open("tensorflow-vgg16/vgg16.tfmodel", mode='rb') as f:
fileContent = f.read()
graph_def = tf.GraphDef()
graph_def.ParseFromString(fileContent)
tf.import_graph_def(graph_def, input_map={"images": Pl['images']})
Besides, I have image features that are homogeneous to the output of the "import/pool5/".
How can I tell my graph that don't want to use his input "images", but the tensor "import/pool5/" as input ?
Thank's !
EDIT
OK I realize I haven't been very clear. Here is the situation:
I am trying to use this implementation of ROI pooling, using a pre-trained VGG16, which I have in the GraphDef format. So here is what I do:
First of all, I load the model:
tf.reset_default_graph()
with open("tensorflow-vgg16/vgg16.tfmodel",
mode='rb') as f:
fileContent = f.read()
graph_def = tf.GraphDef()
graph_def.ParseFromString(fileContent)
graph = tf.get_default_graph()
Then, I create my placeholders
images = tf.placeholder(tf.float32,
[None, 448, 448, 3],
name="images") #batch x width x height x channels
boxes = tf.placeholder(tf.float32,
[None,5], # 5 = [batch_id,x1,y1,x2,y2]
name = "boxes")
And I define the output of the first part of the graph to be conv5_3/Relu
tf.import_graph_def(graph_def,
input_map={'images':images})
out_tensor = graph.get_tensor_by_name("import/conv5_3/Relu:0")
So, out_tensor is of shape [None,14,14,512]
Then, I do the ROI pooling:
[out_pool,argmax] = module.roi_pool(out_tensor,
boxes,
7,7,1.0/1)
With out_pool.shape = N_Boxes_in_batch x 7 x 7 x 512, which is homogeneous to pool5. I would then like to feed out_pool as an input to the op that comes just after pool5, so it would look like
tf.import_graph_def(graph.as_graph_def(),
input_map={'import/pool5':out_pool})
But it doesn't work, I have this error:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-89-527398d7344b> in <module>()
5
6 tf.import_graph_def(graph.as_graph_def(),
----> 7 input_map={'import/pool5':out_pool})
8
9 final_out = graph.get_tensor_by_name("import/Relu_1:0")
/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/importer.py in import_graph_def(graph_def, input_map, return_elements, name, op_dict)
333 # NOTE(mrry): If the graph contains a cycle, the full shape information
334 # may not be available for this op's inputs.
--> 335 ops.set_shapes_for_outputs(op)
336
337 # Apply device functions for this op.
/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/ops.py in set_shapes_for_outputs(op)
1610 raise RuntimeError("No shape function registered for standard op: %s"
1611 % op.type)
-> 1612 shapes = shape_func(op)
1613 if len(op.outputs) != len(shapes):
1614 raise RuntimeError(
/home/hbenyounes/vqa/roi_pooling_op_grad.py in _roi_pool_shape(op)
13 channels = dims_data[3]
14 print(op.inputs[1].name, op.inputs[1].get_shape())
---> 15 dims_rois = op.inputs[1].get_shape().as_list()
16 num_rois = dims_rois[0]
17
/usr/local/lib/python3.4/dist-packages/tensorflow/python/framework/tensor_shape.py in as_list(self)
745 A list of integers or None for each dimension.
746 """
--> 747 return [dim.value for dim in self._dims]
748
749 def as_proto(self):
TypeError: 'NoneType' object is not iterable
Any clue ?
What I would do is something along those lines:
-First retrieve the names of the tensors representing the weights and biases of the 3 fully connected layers coming after pool5 in VGG16.
To do that I would inspect [n.name for n in graph.as_graph_def().node].(They probably look something like import/locali/weight:0, import/locali/bias:0, etc.)
-Put them in a python list:
weights_names=["import/local1/weight:0" ,"import/local2/weight:0" ,"import/local3/weight:0"]
biases_names=["import/local1/bias:0" ,"import/local2/bias:0" ,"import/local3/bias:0"]
-Define a function that look something like:
def pool5_tofcX(input_tensor, layer_number=3):
flatten=tf.reshape(input_tensor,(-1,7*7*512))
tmp=flatten
for i in xrange(layer_number):
tmp=tf.matmul(tmp, graph.get_tensor_by_name(weights_name[i]))
tmp=tf.nn.bias_add(tmp, graph.get_tensor_by_name(biases_name[i]))
tmp=tf.nn.relu(tmp)
return tmp
Then define the tensor using the function:
wanted_output=pool5_tofcX(out_pool)
Then you are done !
这篇关于Tensorflow：如何将自定义输入插入现有图形？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！