3

这是一个代表 protobuf 对象的配置文件：

model {
  faster_rcnn {
    num_classes: 37
    image_resizer {
      keep_aspect_ratio_resizer {
        min_dimension: 600
        max_dimension: 1024
      }
    }
    ...

我希望使用 python 将其读入对象，对某些值进行一些更改，然后将其写回配置文件。

一个复杂的因素是这是一个相当大的对象，它由许多 .proto 文件构成。

我能够通过将 protobuf 转换为字典、进行编辑然后转换回 protobuf 来完成任务，如下所示：

import tensorflow as tf
from google.protobuf.json_format import MessageToDict
from google.protobuf.json_format import ParseDict
from google.protobuf import text_format
from object_detection.protos import pipeline_pb2

def get_configs_from_pipeline_file(pipeline_config_path, config_override=None):

  '''
  read .config and convert it to proto_buffer_object
  '''

  pipeline_config = pipeline_pb2.TrainEvalPipelineConfig()
  with tf.gfile.GFile(pipeline_config_path, "r") as f:
    proto_str = f.read()
    text_format.Merge(proto_str, pipeline_config)
  if config_override:
    text_format.Merge(config_override, pipeline_config)
  return pipeline_config

configs = get_configs_from_pipeline_file('faster_rcnn_resnet101_pets.config')

d = MessageToDict(configs)
d['model']['fasterRcnn']['numClasses']=999

config2 = pipeline_pb2.TrainEvalPipelineConfig()
c = ParseDict(d, config2)

s = text_format.MessageToString(c)

with open('/path/test.config', 'w+') as fh:
    fh.write(str(s))

我希望能够直接对 protobuf 对象进行编辑，而无需转换为字典。然而，问题是不清楚如何“走 dom”以发现对我想更改其值的变量的正确引用。当涉及多个 .proto 文件时尤其如此。

我能够像这样进行编辑，但我希望有更好的方法：

configs.model.ListFields()[0][1].num_classes = 99
4

0 回答 0