Python 使用inception V3在Tensorflow中定位对象

我看过一篇博客文章，其中描述了如何使用Google的图像分类模型Inception V3定位图像中的对象

“我们可以将8x8x2048表示形式解释为特征网格， 将图像分解为8个水平网格和8个垂直网格 正方形。”

有人能解释一下我如何用python访问Inception的8x2048层吗？然后使用1x1卷积将这些向量中的每一个映射到一个类标签

谢谢

调用需要修改网络的函数，为1x1卷积增加一层

更改非常小，您可以按照它构造其他层的方式进行。简单来说，该层如下所示：

net = ops.conv2d(net, 2048, [1, 1])

---

我发现您可以获得8x2048

    with tf.Session(config=config) as sess:
        tensor = sess.graph.get_tensor_by_name('mixed_10/join:0')
        for image_to_test in os.listdir(directory):
            image = os.path.join(directory, image_to_test)
            with tf.gfile.FastGFile(image, 'rb') as f:
                image_data = f.read()
                decoded={'DecodeJpeg/contents:0': image_data}
                predictions = sess.run(tensor, decoded)

预测现在具有8x8x2048

然而，我还没有弄明白如何从“2048”值中获取类

我正在努力

import tensorflow.contrib.slim as slim

predictions = sess.run(tensor, decoded)
ppp= slim.conv2d(predictions,2048,[1,1])
x=tf.unstack(ppp)

但这会返回一个张量

张量（“Conv/Relu:0”，shape=（1,8,82048），dtype=float32，device=/device:CPU:0）

---

[]

感谢您提供了信息丰富的答案。链接帮了大忙！如果我在运行时添加“Print'Here'”，则不会发生任何事情，这是由谷歌提供的。在提供的Google代码中，它不是在运行slim inception模型吗？可以告诉它使用超薄型吗？谢谢您指向我的代码没有使用slim函数，您可以看看slim函数是如何使用的：您可以从“/tf_files/retranted_graph.pb”中读取图形。我想这不是你想做的。你必须建立自己的图表。