如何使用预训练的张量流模型对图像进行预测？答案

【问题标题】：How to run predictions on image using a pretrained tensorflow model?如何使用预训练的张量流模型对图像进行预测？
【发布时间】：2019-11-08 10:38:27
【问题描述】：

我已经调整了这个retrain.py 脚本以与几个预训练模型一起使用，训练完成后，这会生成一个“retrained_graph.pb”，然后我读取并尝试使用此代码对图像进行预测：

def get_top_labels(image_data):
    '''
    Returns a list of labels and their probabilities
    image_data: content of image as string
    '''
    with tf.compat.v1.Session() as sess:
        softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')
        predictions = sess.run(softmax_tensor, {'DecodeJpeg/contents:0': image_data})
        return predictions

这适用于 inception_v3 模型，因为它有一个名为“DecodeJpeg”的张量，而我使用的其他模型，例如 inception_v4、mobilenet 和 inception_resnet_v2 则没有。

我的问题是我可以在图表中添加一个操作，就像在 retrain.py 脚本中的 add_jpeg_decoding 中使用的那样，以便我之后可以将其用于预测？

有没有可能做这样的事情： predictions = sess.run(softmax_tensor, {image_data_tensor: image_data}) 其中image_data_tensor 是一个变量，取决于我使用的模型？

我查看了 stackoverflow 并找不到可以解决我的问题的问题，非常感谢任何帮助，谢谢。我至少需要知道这是否可能。很抱歉重新发布我对我的第一个没有意见。

【问题讨论】：

标签： python-3.x tensorflow pre-trained-model

【解决方案1】：

所以经过一番研究，我想出了一个办法，在这里留下一个答案，以防有人需要。你需要做的是自己解码，使用t = read_tensor_from_image_file找到here从图像中获取张量，然后你可以使用这段代码运行你的预测：

        start = time.time()
        results = sess.run(output_layer_name,
                           {input_layer_name: t})
        end = time.time()
        return results

通常是input_layer_name = input:0 和output_layer_name = final_result:0。

【讨论】：