使用 tensorflow DNN 加载检查点并评估单个图像答案

【问题标题】：Load checkpoint and evaluate single image with tensorflow DNN使用 tensorflow DNN 加载检查点并评估单个图像
【发布时间】：2016-08-31 16:36:51
【问题描述】：

对于大学研究，我正在研究牛津 17 花 alexnet 示例。该示例使用基于 tensorflow 的 API tflearn。训练在我的 GPU 上运行良好，一段时间后准确率达到了约 97%。

不幸的是，在 tflearn 中评估单个图像还不起作用，我将不得不使用 model.predict(...) 来预测每批的所有数据，并循环遍历我的所有测试集并自己计算准确性。

到目前为止我的训练代码：

...
import image_loader
X, Y = image_loader.load_data(one_hot=True, shuffle=False)

X = X.reshape(244,244)

# Build network
network = input_data(shape=[None, 224, 224, 3])

network = conv_2d(network, 96, 11, strides=4, activation='relu')
network = max_pool_2d(network, 3, strides=2)
network = local_response_normalization(network)

network = conv_2d(network, 256, 5, activation='relu')
network = max_pool_2d(network, 3, strides=2)
network = local_response_normalization(network)

network = conv_2d(network, 384, 3, activation='relu')
network = conv_2d(network, 384, 3, activation='relu')
network = conv_2d(network, 256, 3, activation='relu')
network = max_pool_2d(network, 3, strides=2)
network = local_response_normalization(network)

network = fully_connected(network, 4096, activation='tanh')
network = dropout(network, 0.5)

network = fully_connected(network, 4096, activation='tanh')
network = dropout(network, 0.5)

network = fully_connected(network, 17, activation='softmax')
network = regression(network, optimizer='momentum',
                 loss='categorical_crossentropy',
                 learning_rate=0.01)

# Training
model = tflearn.DNN(network, checkpoint_path='model_ba',
                max_checkpoints=1, tensorboard_verbose=0)
model.fit(X, Y, n_epoch=3, validation_set=0.1, shuffle=True,
      show_metric=True, batch_size=32, snapshot_step=400,
      snapshot_epoch=False, run_id='ba_soccer_network')

代码以 .meta 文件的形式保存检查点“model_ba”和网络。是否有可能加载已保存的检查点并使用 tensorflow 评估单个图像？

提前致谢，阿诺

【问题讨论】：

你能检查network/model是否有方法save或write？（灵感来自here）
是的，确实有一个model.save()保存了一个ckpt和一个meta文件（即使这个API中还有一个方法model.load()，我需要把保存的ckpt和meta加载到一个没有使用 tflearn API 的 tensorflow 代码）

标签： python tensorflow conv-neural-network

【解决方案1】：

保存： model.save('name.tflearn')

对于负载： model.load('name.tflearn')

对于循环测试，只需加载模型并遵循以下代码

files_path = '/your/test/images/directory/path'
img_files_path = os.path.join(files_path, '*.jpg')
img_files = sorted(glob(img_files_path))

for f in img_files:
    try:
        img = Image.open(f).convert('RGB')
        img = ImageOps.fit(img, ((64, 64)), Image.ANTIALIAS)

        img_arr = np.array(img)
        img_arr = img_arr.reshape(-1, 64, 64, 3).astype("float")

        pred = model.predict(img_arr)
        print(" %s" % pred[0])

    except:
        continue

【讨论】：