1

我正在使用预训练的 VGG-16 网络将图像转换为特征。我可以按顺序做到这一点。但是，我想并行执行此操作，但我不确定如何正确构建批处理。

具体来说，假设我加载了 16 个保存在 numpy 数组（即 16x224x224x3）中的图像。我想并行转换这些。这是我到目前为止所拥有的：

 checkpoint_file = './vgg_16.ckpt'
 input_tensor = tf.placeholder(tf.float32, shape=(None,224,224,3), name='input_image')
 scaled_input_tensor = tf.scalar_mul((1.0/255), input_tensor)
 scaled_input_tensor = tf.subtract(scaled_input_tensor, 0.5)
 scaled_input_tensor = tf.multiply(scaled_input_tensor, 2.0)

 arg_scope = vgg_arg_scope()
 with slim.arg_scope(arg_scope):
   _, end_points = vgg_16(scaled_input_tensor, is_training=False)

 sess = tf.Session()
 saver = tf.train.Saver()
 saver.restore(sess, checkpoint_file)

 images = get_16_images() #arbitrary function, images is 16x224x224x3
 images =  tf.convert_to_tensor(images)

 batch = tf.train.batch(im, 2, num_threads=6, enqueue_many=True, allow_smaller_final_batch=True)

 sess.run(end_points['vgg_16/fc7'], feed_dict={input_tensor: batch}) #Error

我最终得到一个错误：

*** ValueError：使用序列设置数组元素。

有人能帮我一下吗？批处理教程似乎专注于在读取数据时创建批处理，但我已经读取了数据并且只是想创建一个批处理来并行化网络对不同图像的计算。

4

1 回答 1

1

好的，这是一个愚蠢的问题，但我认为其他 tensorflow 新手可能会遇到同样的问题。

如果不清楚，请feed_dict使用numpy arrays。所以你不需要构造一个显式的批量张量。只需传入多个 numpy 数组，tensorflow 就会处理它。注意我在哪里定义输入张量：

input_tensor = tf.placeholder(tf.float32, shape=(None,224,224,3), name='input_image')

所以 tensorflow 已经知道输入将是一个“批处理”。变量images(from get_16_images()) 已经正是我所需要的。

您可以通过检查 CPU 分配来确认这是并行的。该批次的 Python CPU 分配飙升至 650%。

于 2017-08-29T06:23:33.753 回答