tensorflow C++ 批量推理答案

【问题标题】：tensorflow c++ batch inferencetensorflow C++ 批量推理
【发布时间】：2018-10-18 18:53:51
【问题描述】：

我在使用 c++ tensorflow api 对大于 1 的批大小进行推断时遇到问题。网络输入平面为 8x8x13，输出为单个浮点数。当我尝试如下推断多个样本时，结果仅对第一个样本是正确的。我使用 keras2tensorflow 工具将图形转换为 .pb 格式。

node {
  name: "main_input"
  op: "Placeholder"
  attr {
    key: "dtype"
    value {
      type: DT_FLOAT
    }
  }
  attr {
    key: "shape"
    value {
      shape {
        dim {
          size: -1
        }
        dim {
          size: 8
        }
        dim {
          size: 8
        }
        dim {
          size: 12
        }
      }
    }
  }
}

编辑： 输出节点是一个标量。罪魁祸首可能是我用来将 keras hdf5 文件转换为 pb 的 keras2tensorflow 代码吗？也许输出应该是 -1x1 以接受任意数量的样本，就像输入平面一样）。我从以下链接获得了转换器代码：keras_to_tensorflow

node {
  name: "value_0"
  op: "Identity"
  input: "strided_slice"
  attr { 
    key: "T"
    value {
      type: DT_FLOAT
    }
  }
}

输入平面尺寸正确设置为 -1 x 8 x 8 x 13。

void test() {

    //input planes
    const int nmoves = pstack->count; //This is the number of samples
    TensorShape input_shape({nmoves, 8, 8, CHANNELS});
    Tensor inputs(DT_FLOAT, input_shape);

    //.... Initialize input planes

    //output
    std::vector<Tensor> outputs;

    //run session
    TF_CHECK_OK( session->Run(
        {{input_layer, inputs}}, {output_layer}, {}, &outputs) 
    );

    //get results
    auto outd = outputs[0].flat<float>().data(); //is this correct way to access the data for multiple samples ?
    for(int i = 0;i < nmoves; i++) {
        float p = outd[i];    //The value of p is wrong for all but the first one
        std::cout << "I" << i << " == " << p << std::endl;
    }
}

结果应该在 0 和 1 之间的每个样本的示例输出 (p) 如下所示。只有 I0 是正确的，而 I16 和 I18 的值非常大。 我认为问题是运行会话后输出的维度仍然是 1，应该是 20。是否有可能使用 c++ api 对多个样本进行推理？

I0 == 0.434162
I1 == 0
I2 == 0
I3 == 0.0640963
I4 == 0.0718748
I5 == 0.325485
I6 == 0
I7 == 0
I8 == 0
I9 == 0
I10 == 0.141193
I11 == 0.398055
I12 == 0.237758
I13 == 0.530693
I14 == 2.44527e-42
I15 == 0
I16 == -5.62959e+14
I17 == 4.56697e-41
I18 == -5.62959e+14
I19 == 4.56697e-41

【问题讨论】：

能否给出整个源代码，或者引用两个代码，我怀疑它与具有额外尺寸的data().shape有关，您也可以粘贴pb作为输出节点
我已经用输出节点和用于将 keras hd5 文件转换为 pb 的代码更新了我的帖子。谢谢。
因为它的输出是 float ，所以你应该循环输出而不是数据，然后 float p = utputs[i].flat().data();让我知道进展如何
取决于你的模型定义，输出可能有一些额外的值，例如与你的输出无关的索引，我怀疑零可能是索引
不幸的是，这不起作用。它似乎只识别输出 [0] 并且在输出 [1] 上失败并显示消息“F tensorflow/core/framework/tensor.cc:617] 检查失败：dtype() == expected_dtype (0 vs. 1)”

标签： c++ tensorflow neural-network keras inference

【解决方案1】：

问题原来是由于我用于转换的 keras_to_tensorflow 的错误。我报告了这个问题here。 keras_to_tensorflow中仍然存在该错误

第 68 行：

pred[i] = tf.identity(net_model.output[i], name=pred_node_names[i])

“输出”应该是“输出”

pred[i] = tf.identity(net_model.outputs[i], name=pred_node_names[i])

【讨论】：