tensorflow label_image 识别这么慢答案

【问题标题】：tensorflow label_image recognize so slowtensorflow label_image 识别这么慢
【发布时间】：2016-11-20 14:27:36
【问题描述】：

我的项目是 OCR。我使用 image_retraining(v0.10.0) 来识别字母。

我用 128x128 大小的图片训练它

之后我用我的code输入了几张我从一页文档中分割出来的字母图片（1306张图片）

代码运行太慢了。

识别 1 个字母需要 3 秒，完成需要将近 30 分钟我的笔记本电脑上有 1306 张照片。
识别 1 个字母需要 38 秒，完成需要将近 6 小时 pi 2 上有 1306 张图片

我不知道为什么它运行得这么慢。我的 C++ 代码在 QT 上使用 SVM 只用了 5 秒（它使用图片大小 32x24）。

是不是因为我用的图片太大了？或者 python 运行速度比 C++ 慢

你介意给我一些建议，让它跑得更快

更新 #1： 图片大小不是大问题。关注time_chart。由于这个命令，代码似乎很慢

predictions = sess.run(softmax_tensor, \
        {'DecodeJpeg/contents:0': image_data})

有没有人建议让代码运行得更快。

【问题讨论】：

做一些profiling看看主要瓶颈在哪里。
你知道如何将命令“print s.getvalue()”输出到python中的文件文本吗？太长了，终端不能全部显示出来
不要使用StringIO - 使用dump_stats。
我应该关注这个stackoverflow.com/questions/29630667/… 吗？或julien.danjou.info/blog/2015/…
在这种情况下，open('stats.txt', 'w').write(s.getvalue()) 可能更简单。

标签： python neural-network tensorflow ocr raspberry-pi2

【解决方案1】：

这听起来像是您的会话图随着每次迭代而不断增长。尝试将所有代码放入“with”语句上下文中，直到结果：

# example function using 'with' context:

some_Function(param1, param2):
    with tf.Graph().as_default():
        ...
        graph = ...
        ...
        sess = tf.Session()
        result = sess.run(graph)
        return result

【讨论】：