Python 将图像目录馈送到TensorFlow对象检测
如何有效地将整个JPEG图像目录提供给TensorFlow的对象检测API进行推断 我目前有一个官方教程Jupyter笔记本的修改版本,与Python 将图像目录馈送到TensorFlow对象检测,python,tensorflow,object-detection,Python,Tensorflow,Object Detection,如何有效地将整个JPEG图像目录提供给TensorFlow的对象检测API进行推断 我目前有一个官方教程Jupyter笔记本的修改版本,与for循环相结合,以迭代目录中的图像 要遍历图像,请执行以下操作: for image_path in TEST_IMAGE_PATHS: image = Image.open(image_path) image_np = load_image_into_np_array(image) 然后,在相同的for循环中,我
for
循环相结合,以迭代目录中的图像
要遍历图像,请执行以下操作:
for image_path in TEST_IMAGE_PATHS:
image = Image.open(image_path)
image_np = load_image_into_np_array(image)
然后,在相同的for循环中,我使用feed_dict馈送TensorFlow:
output_dict = sess.run(tensor_dict,
feed_dict={image_tensor: np.expand_dims(image, 0)})
虽然这是可行的,但它会在几个映像之后导致内存不足(OOM)错误。我正在将检测掩码写入PNG文件,这可能会导致膨胀
是否有更有效的方法将图像提供给模型
虽然我读过tf.data和排队技术,但大多数描述都集中在训练模型上