我正在尝试在 cifar-10 数据集上训练网络，但我不想使用图片，而是想使用 Inceptions 中最后一层之前的特征。
所以我写了一些和平的pf代码来传递Inception中的所有图片并获取特征，这里是:
def run_inference_on_images(images):
#Creates graph from saved GraphDef.
create_graph()
features_vec = np.ndarray(shape=(len(images),2048),dtype=np.float32)
with tf.Session() as sess:
# Some useful tensors:
# 'pool_3:0': A tensor containing the next-to-last layer containing 2048
# float description of the image.
# 'DecodeJpeg:0': A numpy array of the image
# Runs the softmax tensor by feeding the image data as input to the graph.
length = len(images)
for i in range(length):
print ('inferencing image number',i,'out of', length)
features_tensor = sess.graph.get_tensor_by_name('pool_3:0')
features = sess.run(features_tensor,
{'DecodeJpeg:0': images[i]})
features_vec[i] = np.squeeze(features)
return features_vec
“图像”是 CIFAR-10 数据集。这是一个形状为 (50000,32,32,3) 的 numpy 数组
我面临的问题是，即使我将不同的图片提供给“sess.run”部分，“功能”输出始终相同。 我错过了什么吗？
请您参考如下方法:
我能够解决这个问题。 Inception 似乎无法像我想的那样处理 numPy 数组，所以我将数组转换为 JPEG 图片，然后才将其提供给网络。
下面是有效的代码(其余部分相同):
def run_inference_on_images(images):
# Creates graph from saved GraphDef.
create_graph()
features_vec = np.ndarray(shape=(len(images),2048),dtype=np.float32)
with tf.Session() as sess:
features_tensor = sess.graph.get_tensor_by_name('pool_3:0')
length = len(images)
for i in range(length):
im = Image.fromarray(images[i],'RGB')
im.save("tmp.jpeg")
data = tf.gfile.FastGFile("tmp.jpeg", 'rb').read()
print ('inferencing image number',i,'out of', length)
features = sess.run(features_tensor,
{'DecodeJpeg/contents:0': data})
features_vec[i] = np.squeeze(features)
return features_vec
