Googleが開始した訓練されたテンソルフローモデルを読み込む方法は？

Question

inception_resnet_v2_2016_08_30.ckptという名前のテンソルフローチェックポイントモデルをダウンロードしました。

このチェックポイントの作成時に使用されたグラフ（すべての変数付き）を作成する必要がありますか？

このモデルを使用するにはどうすればよいですか？

Answer 1

まず、ネットワークアーキテクチャをメモリに取得しました。今、あなたは初期化することができ、これにより

from inception_resnet_v2 import inception_resnet_v2, inception_resnet_v2_arg_scope 

height = 299 
width = 299 
channels = 3 

X = tf.placeholder(tf.float32, shape=[None, height, width, channels]) 
with slim.arg_scope(inception_resnet_v2_arg_scope()): 
    logits, end_points = inception_resnet_v2(X, num_classes=1001,is_training=False) 

あなたはメモリ内のすべてのネットワークを持っている：あなたはあなたと一緒にこのプログラムを持っていたら、あなたはモデルを使用するには、次のアプローチを使用し、here

からネットワークアーキテクチャを得ることができますtf.train.saverを使用して、チェックポイントファイル（CKPT）とのネットワーク：あなたがボトルの特徴抽出を行いたい場合は

saver = tf.train.Saver() 
sess = tf.Session() 
saver.restore(sess, "/home/pramod/Downloads/inception_resnet_v2_2016_08_30.ckpt") 

は、のようなシンプルな、単にあなたが持っているそして、あなたは最後の層からフィーチャーを取得したいと言うことができます宣言するにはpredictions = end_points["Logits"]output = sess.run(predictions, feed_dict={X:batch_images})

Answer 2

いいえ、そうではありません。

1.この

チェックポイントファイル（cpktファイル）を使用する方法についての記事（ TensorFlow-Slim image classification library）は、次のスクラッチから

2.あなたのモデルを訓練する方法を説明しますから、サンプルコードですgoogle blog

import numpy as np 
import os 
import tensorflow as tf 
import urllib2 

from datasets import imagenet 
from nets import inception 
from preprocessing import inception_preprocessing 

slim = tf.contrib.slim 

batch_size = 3 
image_size = inception.inception_v3.default_image_size 

checkpoints_dir = '/root/code/model' 
checkpoints_filename = 'inception_resnet_v2_2016_08_30.ckpt' 
model_name = 'InceptionResnetV2' 
sess = tf.InteractiveSession() 
graph = tf.Graph() 
graph.as_default() 

def classify_from_url(url): 
    image_string = urllib2.urlopen(url).read() 
    image = tf.image.decode_jpeg(image_string, channels=3) 
    processed_image = inception_preprocessing.preprocess_image(image,  image_size, image_size, is_training=False) 
processed_images = tf.expand_dims(processed_image, 0) 

# Create the model, use the default arg scope to configure the batch norm parameters. 
with slim.arg_scope(inception.inception_resnet_v2_arg_scope()): 
    logits, _ = inception.inception_resnet_v2(processed_images, num_classes=1001, is_training=False) 
probabilities = tf.nn.softmax(logits) 

init_fn = slim.assign_from_checkpoint_fn(
    os.path.join(checkpoints_dir, checkpoints_filename), 
    slim.get_model_variables(model_name)) 

init_fn(sess) 
np_image, probabilities = sess.run([image, probabilities]) 
probabilities = probabilities[0, 0:] 
sorted_inds = [i[0] for i in sorted(enumerate(-probabilities), key=lambda x:x[1])] 

plt.figure() 
plt.imshow(np_image.astype(np.uint8)) 
plt.axis('off') 
plt.show() 

names = imagenet.create_readable_names_for_imagenet_labels() 
for i in range(5): 
    index = sorted_inds[i] 
    print('Probability %0.2f%% => [%s]' % (probabilities[index], names[index]))