2

我正在使用 TF-Slim 附带的脚本来验证我的训练模型。它工作正常，但我想获得错误分类文件的列表。

该脚本使用https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/slim/python/slim/evaluation.py但即使在那里我也找不到打印错误分类文件的任何选项。

我怎样才能做到这一点？

4

2 回答 2

4

在高层次上，您需要做 3 件事：

1) 从数据加载器中获取您的文件名。如果您使用来自 tfrecords 的 tf-slim 数据集，则文件名很可能未存储在 tfrecord 中，因此您可能不走运。但是，如果您使用 tf.WholeFileReader 直接从文件系统中使用图像文件，那么您可以获得形成批处理的文件名张量：

def load_data():
    train_image_names = ... # list of filenames
    filename_queue = tf.train.string_input_producer(train_image_names)
    reader = tf.WholeFileReader()
    image_filename, image_file = reader.read(filename_queue)
    image = tf.image.decode_jpeg(image_file, channels=3)

    .... # load your labels from somewhere

    return image_filename, image, label


 # in your eval code
 image_fn, image, label = load_data()

 filenames, images, labels = tf.train.batch(
                                [image_fn, image, label],
                                batch_size=32,
                                num_threads=2,
                                capacity=100,
                                allow_smaller_final_batch=True)

2）在推理后用你的结果掩盖你的文件名张量：

logits = my_network(images)
preds = tf.argmax(logits, 1)
mislabeled = tf.not_equal(preds, labels)
mislabeled_filenames = tf.boolean_mask(filenames, mislabeled)

3）将所有这些放入您的eval_op中：

eval_op = tf.Print(eval_op, [mislabeled_filenames])

slim.evaluation.evaluate_once(
                        .... # other options 
                        eval_op=eval_op,
                        .... # other options)

不幸的是，我没有设置来测试这个。让我知道它是否有效！

于 2017-04-27T21:29:22.930 回答
3

shadow chris 为我指明了正确的方向，因此我分享了我的解决方案，以使其适用于 TF 记录数据集。

为了更好地理解，我将我的代码与 TF-Slim 的花朵示例联系起来。

1) 修改您的数据集脚本以在 TF 记录中存储文件名特征。

  keys_to_features = {
      'image/encoded': tf.FixedLenFeature((), tf.string, default_value=''),
      'image/format': tf.FixedLenFeature((), tf.string, default_value='png'),
      'image/class/label': tf.FixedLenFeature(
          [], tf.int64, default_value=tf.zeros([], dtype=tf.int64)),
      'image/filename': tf.FixedLenFeature((), tf.string, default_value=''),
  }

  items_to_handlers = {
      'image': slim.tfexample_decoder.Image(),
      'label': slim.tfexample_decoder.Tensor('image/class/label'),
      'filename': slim.tfexample_decoder.Tensor('image/filename'),
  }

2) 将 filename 参数添加到data util的image_to_tfexample函数中

然后它应该看起来像：

def image_to_tfexample(image_data, image_format, height, width, class_id, filename):
 return tf.train.Example(features=tf.train.Features(feature={
      'image/encoded': bytes_feature(image_data),
      'image/format': bytes_feature(image_format),
      'image/class/label': int64_feature(class_id),
      'image/height': int64_feature(height),
      'image/width': int64_feature(width),
      'image/filename': bytes_feature(filename)
  }))

3）修改下载和转换脚本以保存文件名

使用文件名提供您的 TF 记录。

    example = dataset_utils.image_to_tfexample(
        image_data, 'jpg', height, width, class_id, filenames[i])

4）在您的评估地图中，将 imgs 错误分类为文件名

我指的是eval_image_classifier.py。

使用 tf.train.batch 检索文件名：

images, labels, filenames = tf.train.batch(
    [image, label, filename],
    batch_size=FLAGS.batch_size,
    num_threads=FLAGS.num_preprocessing_threads,
    capacity=5 * FLAGS.batch_size)

获取错误分类的 img 并将它们映射到文件名：

predictions = tf.argmax(logits, 1)
labels = tf.squeeze(labels)
mislabeled = tf.not_equal(predictions, labels)
mislabeled_filenames = tf.boolean_mask(filenames, mislabeled)

打印：

eval_op = tf.Print(eval_op, [mislabeled_filenames])

slim.evaluation.evaluate_once(
                        .... # other options 
                        eval_op=eval_op,
                        .... # other options)
于 2017-05-03T14:53:25.263 回答