Tensorflow 使用TFRecords上的SavedModel进行ObjectDetection推断

我试着用一个简单的例子来进行推理。我能够使用。然而，它运行得非常慢，我怀疑如果我使用tfrecords作为输入，它可能会更快。此外，不幸的是，我无法使用Tensorflow 1.14

feature\u description={'image\u raw'：tf.io.FixedLenFeature（[]，tf.string，默认值=“”）}
定义解析函数（示例proto）：
#使用上面的字典解析输入`tf.Example`proto。
返回tf.io.parse\u single\u示例（示例\u proto，特性\u description）
sm_dir='/faster_rcnn_inception_resnet_v2_atrus_coco_2018_01_28/saved_model'
sm=tf.保存的\u模型.加载\u v2（sm\u目录）
f=sm.signatures['serving_default']
tfr_loc='inputs.tfr'
原始数据集=tf.data.TFRecordDataset（tfr\u loc）
parsed_dataset=raw_dataset.map（_parse_函数）
使用tf.Session（）作为sess：
对于已解析的_数据集中的tfr_i：
imgs_raw=tf.decode_raw（tfr_i['image_raw']，tf.float32）
imgs_raw=tf.重塑（imgs_raw，[-11028768,3]）
推断=f（imgs_原始）
sess.run（推断）

这给了我以下错误：

tensorflow.python.framework.errors_impl.NotFoundError: Resource AnonymousIterator/AnonymousIterator0/N10tensorflow4data16IteratorResourceE does not exist.

---

您需要在脚本开始时使用即时执行

tf.enable_eager_execution()

参考：