python-tf.write_fileはテンソルフローでは機能しません

Question

オブジェクト検出のためのオブジェクト座標を訓練するコードがあります。 CNNネットワークを使用しました。出力レイヤーは、イメージ内のオブジェクトの（x0、y0、height、width）を返す回帰レイヤー（bound_box_output）です。この層の後、私は損失のステップの前に直接画像を保存しようとします。

i = 0 
    image_decoded = tf.image.decode_jpeg(tf.read_file('3.jpg'), channels=3) 
    cropped = tf.image.crop_to_bounding_box(image = image_decoded, 
              offset_height = tf.cast(bound_box_output[i,0], tf.int32), 
              offset_width = tf.cast(bound_box_output[i,1], tf.int32), 
              target_height = tf.cast(bound_box_output[i,2], tf.int32), 
              target_width = tf.cast(bound_box_output[i,3], tf.int32)) 

    enc = tf.image.encode_jpeg(cropped) 
    fname = tf.constant('4.jpeg') 
    fwrite = tf.write_file(fname, enc) 

とでtf.train.SessionRunHook私はこの問題は、それが特定のフォルダ

に '4.jpeg' 画像を保存していないということです

def begin(self): 
     self._step = -1 
     self._start_time = time.time() 

def before_run(self, run_context): 
     self._step += 1 
     return tf.train.SessionRunArgs(loss) 
def after_run(self, run_context, run_values): 
     if self._step % LOG_FREQUENCY == 0: 
      current_time = time.time() 
      duration = current_time - self._start_time 
      self._start_time = current_time 

      loss_value = run_values.results 
      examples_per_sec = LOG_FREQUENCY * BATCH_SIZE/duration 
      sec_per_batch = float(duration/LOG_FREQUENCY) 


      format_str = ('%s: step %d, loss = %.2f (%.1f examples/sec; %.3f ' 
         'sec/batch)') 
      print (format_str % (datetime.now(), self._step, loss_value, 
           examples_per_sec, sec_per_batch)) 

     if self._step == MAX_STEPS-1: 
      loss_value = run_values.results 
      print("The final value of loss is:: ") 
      print(loss_value) 
      print(fwrite) 
      tf.train.SessionRunArgs(fwrite) 

それを実行します

注：私はテンソルフローを使用します。1.1.3とpython3.5

Answer 1

TLDR; tf.train.SessionRunArgs(fwrite)をrun_context.session.run(fwrite)と置き換えてください。

SessionRunArgsは、実際には提供された操作を実行しません。 SessionRunArgsがbefore_run()コールから返されます。彼らの役割は、次のsession.run()コールに引数を追加することです。

if self._step == MAX_STEPS-1: 
    loss_value = run_values.results 
    print("The final value of loss is:: ") 
    print(loss_value) 
    print(fwrite) 
    tf.train.SessionRunArgs(fwrite) # problematic line 

あなたはafter_run()の終わりにfwrite操作を実行しようとしています。ただし、単にオブジェクトSessionRunArgsをインスタンス化します。

run_context引数がafter_run()に供給されていることを利用して、望ましい動作を実現することができます。 run_contextのタイプはSessionRunContextで、タイプはsessionです。

run_context.session.run(fwrite)はあなたのためのトリックを行う必要があります。