Как создать новый модуль концентратора тензорного потока из существующего файла модели замороженных ПБ - PullRequest
Новая
       11

Как создать новый модуль концентратора тензорного потока из существующего файла модели замороженных ПБ

1 голос
/ 13 мая 2019

Я пытаюсь преобразовать существующую замороженную модель Tensorflow в модуль tenorflow_hub для использования в обучении по переносу классификации изображений, преобразование прошло без ошибок, но точность вывода нового модуля довольно низкая, всего 40% ~ 50%, чего мне здесь не хватает?

Я использую пример кода «retrain.py» из репозитория Tensorflow-hub git. Сценарий «retrain.py» использует модуль Tensorflow-hub в качестве входных данных, поэтому я загрузил замороженную предварительно обученную модель из «http://download.tensorflow.org/models/mobilenet_v1_2018_02_22/mobilenet_v1_1.0_224.tgz", и преобразовал ее в модуль-концентратор, а затем использовал этот новый модуль в качестве входных данных скрипта переобучения. Моя установка: ubuntu14.04, python2.7, Tensorflow-1.12 и Tensorflow-hub-0.4.0. 

import tensorflow as tf
import tensorflow_hub as hub
import numpy as np

MODEL="mobilenet_v1_1.0_224/mobilenet_v1_1.0_224_frozen.pb"
MODULE_PATH="output_hub"

def module_fn():
    input_name="input:0"
    output_name="MobilenetV1/Predictions/Reshape_1:0"
    with tf.gfile.GFile(MODEL, 'rb') as f:
        graph_def=tf.GraphDef()
        graph_def.ParseFromString(f.read())
        input_tensor = tf.placeholder(tf.float32, [None, 224,224, 3])
        output_tensor, = tf.import_graph_def(graph_def, input_map = {input_name: input_tensor}, return_elements=[output_name])
        hub.add_signature(inputs = {"images": input_tensor}, outputs = output_tensor)

spec = hub.create_module_spec(module_fn)
with tf.Graph().as_default():
    module = hub.Module(spec)
    input = np.random.normal(0, 1, (1, 224, 224, 3))
    output = module(input)
    with tf.Session() as session:
        session.run(output)
        module.export(MODULE_PATH, session=session)

spec = hub.load_module_spec(MODULE_PATH)
height, width = hub.get_expected_image_size(spec)
with tf.Graph().as_default() as graph:
    module = hub.Module(spec)
    input_tensor = tf.placeholder(tf.float32, [None, height, width, 3])
    output_tensor = module(input_tensor)
    with tf.Session() as session:
        for node in graph.as_graph_def().node:
            print(node.name)

1 Ответ

0 голосов
/ 24 мая 2019

Вы можете использовать retrain.py напрямую с https://tfhub.dev/google/imagenet/mobilenet_v1_100_224/feature_vector/3 и сохранить ручное преобразование.retrain.py заморозит полученную модель для вас на выходе.

Тем не менее, есть и более новый tf2_image_retraining colab , который может даже выполнять тонкую настройку, но он использует TensorFlow 2и оба находятся в предварительном просмотре.

...