Итак, я попытался следовать руководству по загрузке и выполнению логического вывода для модели TensorFlow (.pb):
input_node_name = 'Placeholder'
output_node_name = 'model_outputs'
class CNN(object):
def __init__(self, model_filepath):
# The file path of model
self.model_filepath = model_filepath
# Initialize the model
self.load_graph(model_filepath = self.model_filepath)
def load_graph(self, model_filepath, print_weights = False):
'''
Load trained model.
'''
print('Loading model...')
#self.graph = tf.Graph()
self.graph = load_pb(model_filepath)
with tf.compat.v2.io.gfile.GFile(model_filepath, 'rb') as f:
graph_def = tf.compat.v1.GraphDef()
graph_def.ParseFromString(f.read())
nodes = [n.name + ' => ' + n.op for n in graph_def.node if n.op in (input_node_name)]
for node in nodes:
print(node)
#all_tensors = [tensor for op in self.graph.get_operations() for tensor in op.values()]
#print(all_tensors)
#for tensor in all_tensors:
#print(tensor)
# Get layer names
#layers = [op.name for op in self.graph.get_operations()]
#for layer in layers:
#print(layer)
if print_weights:
# Check out the weights of the nodes
weight_nodes = [n for n in graph_def.node if n.op == 'Const']
for n in weight_nodes:
print("Name of the node - %s" % n.name)
print("Value - " )
print(tensor_util.MakeNdarray(n.attr['value'].tensor))
with self.graph.as_default():
# Define input tensor
self.input = tf.placeholder(np.float32, shape = [None, 224, 224, 3], name = input_node_name)
#self.dropout_rate = tf.placeholder(tf.float32, shape = [], name = 'dropout_rate')
tf.import_graph_def(graph_def, {input_node_name: self.input})
self.graph.finalize()
print('Model loading complete!')
# In this version, tf.InteractiveSession and tf.Session could be used interchangeably.
# self.sess = tf.InteractiveSession(graph = self.graph)
self.sess = tf.Session(graph = self.graph)
def test(self, data):
# Know your output node name (model_output:0)
output_tensor = self.graph.get_tensor_by_name("{}:0".format(output_node_name))
output = self.sess.run(output_tensor, feed_dict = {self.input: data})
return output
Но при попытке запустить функцию «test ()» я получить сообщение об ошибке:
InvalidArgumentError: вы должны передать значение для тензора заполнителя 'Placeholder' с помощью dtype float и shape [?, 224,224,3] [[{{node Placeholder}}]]
Насколько я понимаю, от Google означает, что я ввожу данные не в тот узел. Однако я просматривал свой код несколько раз и не могу понять, как это возможно, так что, надеюсь, кто-нибудь здесь может мне помочь?
Обратите внимание, что модель представляет собой (замороженный?) Файл TensorFlow .pb, полученный с платформы Custom Vision Azure, которую я экспортировал и сохранил локально.