当使用Tensorflows时，使用大于1的批处理大小C++ API

我有一个Tensorflow模型在Python中训练并且使用freeze_graph脚本进行冻结。我已经用C++成功加载了模型，并对单个图像进行了推理。但是，似乎freeze_graph一次只将批量设置为单个图像，因为我无法将模型张量传递给多个图像。当使用Tensorflows时，使用大于1的批处理大小C++ API

有没有人知道改变这种方式？我一直无法找到脚本实际发生的位置。

谢谢！

编辑：

好了，所以我报废Keras只是为了消除任何黑色魔力，可能会做的，我定义与Tensorflow网络时设置16的批量大小。

如果我DEF打印图形，占位符的形状：

node { 
    name: "inputs" 
    op: "Placeholder" 
    attr { 
    key: "dtype" 
    value { 
     type: DT_FLOAT 
    } 
    } 
    attr { 
    key: "shape" 
    value { 
     shape { 
     dim { 
      size: 16 
     } 
     dim { 
      size: 50 
     } 
     dim { 
      size: 50 
     } 
     dim { 
      size: 3 
     } 
     } 
    } 
    } 
}

然而，当我试图加载并与形状16×50×50×3的张量运行在C++模型，我得到这个错误：

tensorflow/core/framework/tensor.cc:433] Check failed: 1 == NumElements() (1 vs. 16)Must have a one element tensor

当我冻结图表时，某处必须发生什么？

来源

2016-07-06 ppries

'freeze_graph'不会'设置'模型的批量大小。您如何在原始模型中输入输入信息？ – keveman

我已经使用Keras构建了模型，我相信它使用默认的可变批量。这让我假设'freeze_graph'必须在尺寸可变的占位符的情况下做一些事情，但我可能是错的。有没有一种方法可以检查占位符的形状实际上是什么？ – ppries

您可以尝试使用'graph.as_graph_def（）'以文本形式打印图形，并查看占位符是否设置了形状属性。 – keveman

原来，这是我的一个愚蠢的错误。当获得图表的输出时，我在它上面调用了.scalar<float>()。当我只有一个输入图像，因此只有一个输出，但是显然我不能将一个矢量转换为标量时，这种工作非常好。将其更改为.flat<float>()解决了我的问题。

来源

2016-07-20 12:52:56 ppries

当使用Tensorflows时，使用大于1的批处理大小C++ API

回答

相关问题