在 numpy 数组上运行 Tensorflow 分类图像

Question

我有一个实时应用程序，我试图在来自提要的图像到达时对其进行分类。分类图像示例有：

image_data = tf.gfile.FastGFile(image, 'rb').read()
#...
with tf.Session() as sess:
    predictions = sess.run(softmax_tensor,
        {'DecodeJpeg/contents:0': image_data})

其中image 是图像文件的路径。但是，我不是从文件中读取图像，而是将它们作为 numpy 数组接收。在先前获取的图像上运行 Tensorflow 会话的最佳方式是什么？此外，最好的做法是事先创建一个会话和一个图表，并且每当获取新帧时，在新图像上运行现有会话，而不是创建新图表和新会话？

编辑：

我试过了：

images_placeholder = tensorflow.placeholder(tensorflow.int32)
predictions = sess.run(softmax_tensor,
                       {images_placeholder: image})

它成功了！谢谢sygi！

编辑 2：

这会在没有错误消息的情况下在一段时间后崩溃，并且每一帧都具有相同的预测标签。我什至在每一帧都创建了一个新的 images_place 对象，但我仍然得到相同的标签。

Answer 1

在计算机上运行 TensorFlow 会话的最佳方式是什么 以前获得的图像？

我认为最好的方法是创建一个tf.placeholder，在你的模型中使用它，最后在 feed dict 中传递 numpy 数组。

是预先创建一个会话和一个图表的最佳实践， 并且每当获取新帧时，在 新图像，而不是创建新图表和新会话？

最好重用一个图和一个会话。创建图形时，它会被“编译”以将您编写的代码更改为高效的 GPU 实现。您创建了许多图表——您在进行相同的“编译”时会浪费大量时间。此外，当您重用一个会话时，您可以重用变量，防止它们从 RAM 到 GPU 内存来回传递。