Служба обнаружения объектов Tensorflow - PullRequest
Новая
       11

Служба обнаружения объектов Tensorflow

1 голос
/ 01 мая 2019

Я использую обнаружение объекта tenorflow api . Проблема с этим API состоит в том, что он экспортирует замороженный граф для вывода. Я не могу использовать этот график для обслуживания. Итак, в качестве обходного пути я следовал учебнику здесь . Но когда я пытаюсь экспортировать график, я получаю следующую ошибку:

InvalidArgumentError (см. Выше для отслеживания): восстановление из контрольная точка не удалась. Это, скорее всего, из-за несоответствия между текущий график и график с контрольной точки. Пожалуйста, убедитесь, что Вы не изменили ожидаемый график на основе контрольной точки. Исходная ошибка:

Назначение требует соответствия форм обоих тензоров. lhs shape = [1024,4] rhs shape = [1024,8]

[[node save / Assign_258 (определено в /home/deploy/models/research/object_detection/exporter.py:67) = Назначают [T = DT_FLOAT, _class = ["loc: @ SecondStageBoxPredictor / BoxEncodingPredictor / weights"], use_locking = true, validate_shape = true, _device = "/ работа: локальный / реплика: 0 / задача: 0 / устройства: GPU: 0"] (SecondStageBoxPredictor / BoxEncodingPredictor / вес, save / RestoreV2 / _517)]] [[{{node save / RestoreV2 / _522}} = _SendT = DT_FLOAT, client_terminated = false, recv_device = "/ job: localhost / replica: 0 / task: 0 / device: GPU: 0", send_device = "/ работа: локальный / реплика: 0 / задача: 0 / устройства: CPU: 0", send_device_incarnation = 1, тензор_имя = "edge_527_save / RestoreV2", _device = "/ работа: локальный / реплика: 0 / задача: 0 / устройства: CPU: 0"]]

Ошибка говорит о несоответствии в графике. Возможная причина может заключаться в том, что я использую график подготовки для обучения, который может иметь 4 классификации, а моя модель имеет 8 классификаций. (следовательно, несоответствие формы). Существует аналогичная проблема для модели Deeplab и их решения для их конкретная модель должна была начинать тренировку с параметрами --initialize_last_layer=False и --last_layers_contain_logits_only=False. Но у объекта обнаружения тензорного потока нет таких параметров. Итак, как мне поступить? Кроме того, есть ли какой-либо другой способ обслуживания API обнаружения тензорного потока?

Мой конфигурационный файл выглядит так: 

model {
  faster_rcnn {
    num_classes: 1
    image_resizer {
      fixed_shape_resizer {
        height: 1000
        width: 1000
        resize_method: AREA
      }
    }
    feature_extractor {
      type: "faster_rcnn_inception_v2"
      first_stage_features_stride: 16
    }
    first_stage_anchor_generator {
      grid_anchor_generator {
        height_stride: 16
        width_stride: 16
        scales: 0.25
        scales: 0.5
        scales: 1.0
        scales: 2.0
        aspect_ratios: 0.5
        aspect_ratios: 1.0
        aspect_ratios: 2.0
      }
    }
    first_stage_box_predictor_conv_hyperparams {
      op: CONV
      regularizer {
        l2_regularizer {
          weight: 0.0
        }
      }
      initializer {
        truncated_normal_initializer {
          stddev: 0.00999999977648
        }
      }
    }
    first_stage_nms_score_threshold: 0.0
    first_stage_nms_iou_threshold: 0.699999988079
    first_stage_max_proposals: 300
    first_stage_localization_loss_weight: 2.0
    first_stage_objectness_loss_weight: 1.0
    initial_crop_size: 14
    maxpool_kernel_size: 2
    maxpool_stride: 2
    second_stage_box_predictor {
      mask_rcnn_box_predictor {
        fc_hyperparams {
          op: FC
          regularizer {
            l2_regularizer {
              weight: 0.0
            }
          }
          initializer {
            variance_scaling_initializer {
              factor: 1.0
              uniform: true
              mode: FAN_AVG
            }
          }
        }
        use_dropout: false
        dropout_keep_probability: 1.0
      }
    }
    second_stage_post_processing {
      batch_non_max_suppression {
        score_threshold: 0.0
        iou_threshold: 0.600000023842
        max_detections_per_class: 100
        max_total_detections: 300
      }
      score_converter: SOFTMAX
    }
    second_stage_localization_loss_weight: 2.0
    second_stage_classification_loss_weight: 1.0
  }
}
train_config {
  batch_size: 8
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
  optimizer {
    adam_optimizer {
      learning_rate {
        manual_step_learning_rate {
          initial_learning_rate: 0.00010000000475
          schedule {
            step: 40000
            learning_rate: 3.00000010611e-05
          }
        }
      }
    }
    use_moving_average: true
  }
  gradient_clipping_by_norm: 10.0
  fine_tune_checkpoint: "/home/deploy/models/research/object_detection/faster_rcnn_inception_v2_coco_2018_01_28/model.ckpt"
  from_detection_checkpoint: true
  num_steps: 60000
  max_number_of_boxes: 100
}
train_input_reader {
  label_map_path: "/home/deploy/models/research/object_detection/Training_carrot_060219/carrot_identify.pbtxt"
  tf_record_input_reader {
    input_path: "/home/deploy/models/research/object_detection/Training_carrot_060219/train.record"
  }
}
eval_config {
  num_visualizations: 100
  num_examples: 135
  eval_interval_secs: 60
  use_moving_averages: false
}
eval_input_reader {
  label_map_path: "/home/deploy/models/research/object_detection/Training_carrot_060219/carrot_identify.pbtxt"
  shuffle: true
  num_epochs: 1
  num_readers: 1
  tf_record_input_reader {
    input_path: "/home/deploy/models/research/object_detection/Training_carrot_060219/test.record"
  }
  sample_1_of_n_examples: 1
}

1 Ответ

1 голос
/ 01 мая 2019

При экспорте моделей для обслуживания, файл конфигурации и файлы контрольных точек должны соответствовать друг другу.

Проблема заключается в том, что при экспорте специально обученной модели вы использовали старый файл конфигурации с новыми файлами контрольных точек.

...