Wie ein Bild zu einem Modell für die Klassifizierung passieren, nachdem das Modell in Tensorflow erstellt wurde

Question

ich das Modell erstellt habe Tensorflow

Initialized 
Minibatch loss at step 0 : 3.51275 
Minibatch accuracy: 6.2% 
Validation accuracy: 12.8% 
Minibatch loss at step 50 : 1.48703 
Minibatch accuracy: 43.8% 
Validation accuracy: 50.4% 
Minibatch loss at step 100 : 1.04377 
Minibatch accuracy: 68.8% 
Validation accuracy: 67.4% 
Minibatch loss at step 150 : 0.601682 
Minibatch accuracy: 68.8% 
Validation accuracy: 73.0% 
Minibatch loss at step 200 : 0.898649 
Minibatch accuracy: 75.0% 
Validation accuracy: 77.8% 
Minibatch loss at step 250 : 1.3637 
Minibatch accuracy: 56.2% 
Validation accuracy: 75.4% 
Minibatch loss at step 300 : 1.41968 
Minibatch accuracy: 62.5% 
Validation accuracy: 76.0% 
Minibatch loss at step 350 : 0.300648 
Minibatch accuracy: 81.2% 
Validation accuracy: 80.2% 
Minibatch loss at step 400 : 1.32092 
Minibatch accuracy: 56.2% 
Validation accuracy: 80.4% 
Minibatch loss at step 450 : 0.556701 
Minibatch accuracy: 81.2% 
Validation accuracy: 79.4% 
Minibatch loss at step 500 : 1.65595 
Minibatch accuracy: 43.8% 
Validation accuracy: 79.6% 
Minibatch loss at step 550 : 1.06995 
Minibatch accuracy: 75.0% 
Validation accuracy: 81.2% 
Minibatch loss at step 600 : 0.223684 
Minibatch accuracy: 100.0% 
Validation accuracy: 82.3% 
Minibatch loss at step 650 : 0.619602 
Minibatch accuracy: 87.5% 
Validation accuracy: 81.8% 
Minibatch loss at step 700 : 0.812091 
Minibatch accuracy: 75.0% 
Validation accuracy: 82.4% 
Minibatch loss at step 750 : 0.276302 
Minibatch accuracy: 87.5% 
Validation accuracy: 82.3% 
Minibatch loss at step 800 : 0.450241 
Minibatch accuracy: 81.2% 
Validation accuracy: 82.3% 
Minibatch loss at step 850 : 0.137139 
Minibatch accuracy: 93.8% 
Validation accuracy: 82.3% 
Minibatch loss at step 900 : 0.52664 
Minibatch accuracy: 75.0% 
Validation accuracy: 82.2% 
Minibatch loss at step 950 : 0.623835 
Minibatch accuracy: 87.5% 
Validation accuracy: 82.1% 
Minibatch loss at step 1000 : 0.243114 
Minibatch accuracy: 93.8% 
Validation accuracy: 82.9% 
Test accuracy: 90.0% 

Dies ist die Genauigkeit, die ich bekommen habe, nachdem alle Wiederholungen durchgeführt werden. Ich möchte dieses Modell speichern, so dass ich ein zufälliges Bild weitergeben kann und anzeigen, was mein Modell (gegebenes Bild) ausgibt (klassifizieren).

In Caffe wir erstellt.caffemodel Datei und dann verwendet, um ein Bild in der Befehlszeile übergeben und zum Anzeigen der ersten 5 wahrscheinlichen Objekte, die die Bilder am wahrscheinlichsten sein, möchte ich eine ähnliche Sache in durchführen Tensorflow aber weiß nicht wie.

Jede Hilfe wäre willkommen.

EDIT

Nach dem Vorschlag von mrry Ich habe versucht, für den tf.train.saver() obejct an, als wie es funktioniert.

Das ist das, was auf der Website zum Speichern von Variablen geschrieben:

# Create some variables. 
v1 = tf.Variable(..., name="v1") 
v2 = tf.Variable(..., name="v2") 
... 
# Add an op to initialize the variables. 
init_op = tf.initialize_all_variables() 

# Add ops to save and restore all the variables. 
saver = tf.train.Saver() 

# Later, launch the model, initialize the variables, do some work, save the 
# variables to disk. 

with tf.Session() as sess: 
    sess.run(init_op) 
    # Do some work with the model. 
    .. 
    # Save the variables to disk. 
    save_path = saver.save(sess, "/tmp/model.ckpt") 
    print("Model saved in file: %s" % save_path) 

für die Wiederherstellung:

# Create some variables. 
v1 = tf.Variable(..., name="v1") 
v2 = tf.Variable(..., name="v2") 
... 
# Add ops to save and restore all the variables. 
saver = tf.train.Saver() 

# Later, launch the model, use the saver to restore variables from disk, and 
# do some work with the model. 
with tf.Session() as sess: 
    # Restore variables from disk. 
    saver.restore(sess, "/tmp/model.ckpt") 
    print("Model restored.") 
    # Do some work with the model 
    ... 

Wie kann ich jetzt mein Bild an das Modell übergeben? Es ist in dem Kommentar geschrieben, dass einige Arbeit mit dem Modell, aber genau wie soll ich mein Bild an das Modell übergeben.

Answer 1

Sie können Ihr geschultes Netzwerk für die Evaluierung mit dem Feed--Mechanismus von TensorFlow wiederverwenden. In der Regel haben Sie einen Tensor namens input, der eine Reihe von Bildern enthält und als Eingabe für die erste Ebene Ihres Modells dient. Nehmen wir an, Sie haben einen Tensor namens logits, der die Ausgabe der letzten Schicht Ihres Netzwerks ist (bevor er an die Verlustfunktion übergeben wird).

Sie können die Top-fünf wahrscheinlichsten Klassen erhalten, indem Sie die logits zu einem tf.nn.softmax() op, gefolgt von einem tf.nn.top_k() op übergeben. Das resultierende Programm sieht etwa so aus:

input = ... # batch_size x height x width x channels tensor 
# [...rest of network defined as a function of `input`...] 
logits = ... 

predictions = tf.nn.top_k(tf.nn.softmax(logits), k=5) 

eval_image = ... # 1 x height x width x channels NumPy array. 
        # NOTE: you may need to reshape this to match `input`. 

predicted_classes = sess.run(predictions, feed_dict={input: eval_image}) 
print predicted_classes