Tensorflow初期预测数量的增加
在安装了具有常规CPU支持的Tensorflow for Ubuntu之后,我正在学习《盗梦空间》最后一层的培训教程。我成功地使花的例子工作,但在切换到一组新的类别和十个子文件夹后,我不能让《盗梦空间》为每个输入图像生成十个分数,而不是默认的五个分数。我当前运行测试映像的命令行如下所示,使用标记为0-9的标题 bazel build tensorflow/examples/label_image:label_image&&\ bazel bin/tensorflow/examples/label_image/label_image\ --graph=/tmp/output\u graph.pb--labels=/tmp/output\u labels.txt\ --输出层=最终结果\--输入层=Mul --image=$HOME/Input/Example.jpg 由此产生 5(4):0.642959 3(2):0.243444 9(8):0.0513504 4(5):0.0231318 6(7):0.0180509Tensorflow初期预测数量的增加,tensorflow,deep-learning,Tensorflow,Deep Learning,在安装了具有常规CPU支持的Tensorflow for Ubuntu之后,我正在学习《盗梦空间》最后一层的培训教程。我成功地使花的例子工作,但在切换到一组新的类别和十个子文件夹后,我不能让《盗梦空间》为每个输入图像生成十个分数,而不是默认的五个分数。我当前运行测试映像的命令行如下所示,使用标记为0-9的标题 bazel build tensorflow/examples/label_image:label_image&&\ bazel bin/tensorflow/examples/label
然而,在《盗梦空间》运行的程序中,我找不到任何东西来重新配置生成的输出分数,以便我的所有十个类别都有分数,而不是只有五个。如何改变这一点?我尝试了8个类别,并且能够得到所有类别的结果。 如果您的代码有以下行
top_k = predictions[0].argsort()[-5:][::-1]
换成
top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]
如果代码包含predictions=np.挤压(预测)
则使用predictions
而不是predictions[0]
我用下面的命令而不是bazel来运行它,我发现它更简单
python /path_to_file/label_image.py /path_to_image/image.jpeg
首先确保在运行retain.py
后创建了图形,并且图形位于正确的位置。(默认值在/tmp/
中)