在张量流中为转移学习提供图像数据

我正在尝试使用tensorflow进行转移学习.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})

有没有办法喂png图像.我试过换DecodeJpeg到DecodePng但是没用.除此之外,如果我想要像numpy数组或一批数组那样提供解码图像文件,我应该改变什么？

谢谢!!

随附的InceptionV3图表classify_image.py仅支持开箱即用的JPEG图像.有两种方法可以将此图表与PNG图像一起使用:

将PNG图像转换为heightx widthx 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})

或许令人混淆,'DecodeJpeg:0'是输出的的DecodeJpeg运算,所以通过将该料张量,你能养活原始图像数据.

tf.image.decode_png()在导入的图形中添加操作.从简单的开关美联储张的名字'DecodeJpeg/contents:0',以'DecodePng/contents:0'不起作用,因为没有'DecodePng'在运图运算.您可以使用以下input_map参数将此类节点添加到图形中tf.import_graph_def():

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: ...})