我正在尝试使用 tensorflow 进行迁移学习。我从教程中下载了预训练模型 inception3。在代码中，用于预测：
prediction = sess.run(softmax_tensor,{'DecodeJpeg/contents:0'}:image_data})
有没有办法提供 png 图像。我尝试将DecodeJpeg 更改为DecodePng，但没有成功。另外，如果我想提供解码后的图像文件，如 numpy 数组或一批数组，我应该改变什么？
谢谢！！
【问题讨论】：
标签： python tensorflow
classify_image.py 中使用的随附 InceptionV3 图形仅支持开箱即用的 JPEG 图像。有两种方法可以将此图表用于 PNG 图像：
将PNG图像转换为height x width x 3（通道）Numpy数组，例如使用PIL，然后输入'DecodeJpeg:0'张量：
import numpy as np
from PIL import Image
# ...
image = Image.open("example.png")
image_array = np.array(image)[:, :, 0:3] # Select RGB channels only.
prediction = sess.run(softmax_tensor, {'DecodeJpeg:0': image_array})
也许令人困惑的是，'DecodeJpeg:0' 是DecodeJpeg 操作的输出，因此通过输入此张量，您可以输入原始图像数据。
将tf.image.decode_png() 操作添加到导入的图表。简单地将馈入张量的名称从 'DecodeJpeg/contents:0' 切换到 'DecodePng/contents:0' 是行不通的，因为在交付的图中没有 'DecodePng' 操作。您可以通过使用tf.import_graph_def() 的input_map 参数将此类节点添加到图形中：
png_data = tf.placeholder(tf.string, shape=[])
decoded_png = tf.image.decode_png(png_data, channels=3)
# ...
graph_def = ...
softmax_tensor = tf.import_graph_def(
graph_def,
input_map={'DecodeJpeg:0': decoded_png},
return_elements=['softmax:0'])
sess.run(softmax_tensor, {png_data: ...})
【讨论】：
jpg_data = tf.placeholder(tf.string, shape=[]); decoded_jpg = tf.image.decode_jpeg(jpg_data, channels=3) 构造的，所以它等待一个字符串而不是一个 numpy 数组。
DecodeJpeg:0 是解码 JPEG 图像的操作的输出，因此如果提供替换值，它也应该是解码图像。）
DecodeJpeg/contents:0，它需要一个 jpeg 编码的图像作为字符串。然而，第二个节点是DecodeJpeg:0，它接受解码后的图像作为 numpy 数组，就像你说的那样。我只是错过了/contents 未包含在您的示例中的事实:)
下面的代码应该处理这两种情况。
import numpy as np
from PIL import Image
image_file = 'test.jpeg'
with tf.Session() as sess:
# softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')
if image_file.lower().endswith('.jpeg'):
image_data = tf.gfile.FastGFile(image_file, 'rb').read()
prediction = sess.run('final_result:0', {'DecodeJpeg/contents:0': image_data})
elif image_file.lower().endswith('.png'):
image = Image.open(image_file)
image_array = np.array(image)[:, :, 0:3]
prediction = sess.run('final_result:0', {'DecodeJpeg:0': image_array})
prediction = prediction[0]
print(prediction)
或带有直接字符串的更短版本：
image_file = 'test.png' # or 'test.jpeg'
image_data = tf.gfile.FastGFile(image_file, 'rb').read()
ph = tf.placeholder(tf.string, shape=[])
with tf.Session() as sess:
predictions = sess.run(output_layer_name, {ph: image_data} )
【讨论】：