3

有很多在线教程可以指导如何使用预训练模型在 Keras 中对一张图像进行一次预测。对于我的情况，我在 Keras 中使用 VGG16 模型，我需要连续预测图像，所以我使用 for 循环加载图像，然后将其传递给预测函数，它运行良好，但是一个预测时间太长（我的 ~800ms机器，仅限 CPU），这里是代码：

    
    # 一个完整的预测函数花费 800ms
    def 预测（图像）：
        图像 = img_to_array(图像)
        图像 = 图像 / 255
        图像 = np.expand_dims（图像，轴 = 0）
        # 搭建VGG16网络，这一行代码耗时400~500ms
        模型 = keras.applications.VGG16(include_top=True, weights='imagenet')
        # 做预测
        预测 = 模型.预测（图像）
        '''
        过程预测结果
        '''

    '''
    一些预处理
    '''
    对于 imgs_list 中的 img：
        预测（图片）

上面的代码可以运行良好，但是每次预测花费的时间太长，整个函数需要800ms，构建VGG网络需要500ms，成本太高。我想为连续预测模式的每个预测删除这 500 毫秒。

我尝试将“model = keras.applications.VGG16(include_top=True, weights='imagenet')”这一行代码放在预测函数的外部，全局定义它或将“model”作为参数传递给函数，但程序会返回错误并在第一次成功预测后结束。

回溯（最近一次通话最后）：
  _run 中的文件“/home/zi/venv/lib/python3.5/site-packages/tensorflow/python/client/session.py”，第 1075 行
    子馈送，allow_tensor=True，allow_operation=False）
  文件“/home/zi/venv/lib/python3.5/site-packages/tensorflow/python/framework/ops.py”，第 3590 行，在 as_graph_element
    返回 self._as_graph_element_locked（obj，allow_tensor，allow_operation）
  _as_graph_element_locked 中的文件“/home/zi/venv/lib/python3.5/site-packages/tensorflow/python/framework/ops.py”，第 3669 行
    raise ValueError("张量 %s 不是该图的元素。" % obj)
ValueError: Tensor Tensor("input_1:0", shape=(?, ?, ?, 3), dtype=float32) 不是该图的元素。
在处理上述异常的过程中，又出现了一个异常：

回溯（最近一次通话最后）：
  文件“multi_classifier.py”，第 256 行，在
    预测（当前文件路径）
  预测中的文件“multi_classifier.py”，第 184 行
    瓶颈_预测=模型_1.预测（图像）
  预测中的文件“/home/zi/venv/lib/python3.5/site-packages/keras/engine/training.py”，第 1835 行
    详细=详细，步骤=步骤）
  _predict_loop 中的文件“/home/zi/venv/lib/python3.5/site-packages/keras/engine/training.py”，第 1331 行
    batch_outs = f(ins_batch)
  __call__ 中的文件“/home/zi/venv/lib/python3.5/site-packages/keras/backend/tensorflow_backend.py”，第 2482 行
    **self.session_kwargs)
  文件“/home/zi/venv/lib/python3.5/site-packages/tensorflow/python/client/session.py”，第 900 行，运行中
    run_metadata_ptr)
  _run 中的文件“/home/zi/venv/lib/python3.5/site-packages/tensorflow/python/client/session.py”，第 1078 行
    '无法将 feed_dict 键解释为张量：' + e.args[0])
TypeError：无法将 feed_dict 键解释为张量：张量 Tensor("input_1:0", shape=(?, ?, ?, 3), dtype=float32) 不是此图的元素。

似乎我需要为每个预测实例化一个 VGG 模型，如何更改代码以节省模型构建时间？谢谢。

4

0 回答 0