Tensorflow 如何在TF Slim';s eval_image_classifier.py?
我正在使用TF Slim附带的一个工具来验证我训练过的模型。它工作正常,但我想得到一个错误分类文件的列表 脚本使用了,但即使在那里我也找不到任何打印错误分类文件的选项Tensorflow 如何在TF Slim';s eval_image_classifier.py?,tensorflow,tf-slim,Tensorflow,Tf Slim,我正在使用TF Slim附带的一个工具来验证我训练过的模型。它工作正常,但我想得到一个错误分类文件的列表 脚本使用了,但即使在那里我也找不到任何打印错误分类文件的选项 我如何才能做到这一点?在高层次上,您需要做3件事: 1) 从数据加载程序获取文件名。如果您使用的是来自tfrecords的tf slim数据集,则文件名可能未存储在tfrecord中,因此您可能会遇到运气不佳的情况。但是,如果使用tf.WholeFileReader直接从文件系统中使用图像文件,则可以在形成批处理的位置获得文件名的
我如何才能做到这一点?在高层次上,您需要做3件事: 1) 从数据加载程序获取文件名。如果您使用的是来自tfrecords的tf slim数据集,则文件名可能未存储在tfrecord中,因此您可能会遇到运气不佳的情况。但是,如果使用tf.WholeFileReader直接从文件系统中使用图像文件,则可以在形成批处理的位置获得文件名的张量:
def load_data():
train_image_names = ... # list of filenames
filename_queue = tf.train.string_input_producer(train_image_names)
reader = tf.WholeFileReader()
image_filename, image_file = reader.read(filename_queue)
image = tf.image.decode_jpeg(image_file, channels=3)
.... # load your labels from somewhere
return image_filename, image, label
# in your eval code
image_fn, image, label = load_data()
filenames, images, labels = tf.train.batch(
[image_fn, image, label],
batch_size=32,
num_threads=2,
capacity=100,
allow_smaller_final_batch=True)
2) 进行推断后,用结果屏蔽文件名张量:
logits = my_network(images)
preds = tf.argmax(logits, 1)
mislabeled = tf.not_equal(preds, labels)
mislabeled_filenames = tf.boolean_mask(filenames, mislabeled)
3) 把这些都放到你的评估中:
eval_op = tf.Print(eval_op, [mislabeled_filenames])
slim.evaluation.evaluate_once(
.... # other options
eval_op=eval_op,
.... # other options)
不幸的是,我没有测试这个的设置。让我知道它是否有效 shadow chris为我指出了正确的方向,因此我分享了我的解决方案,使其与TF记录数据集一起工作 为了更好的不稳定,我将我的代码与TF Slim的flower示例联系起来 1) 修改以在TF记录中存储文件名功能
keys_to_features = {
'image/encoded': tf.FixedLenFeature((), tf.string, default_value=''),
'image/format': tf.FixedLenFeature((), tf.string, default_value='png'),
'image/class/label': tf.FixedLenFeature(
[], tf.int64, default_value=tf.zeros([], dtype=tf.int64)),
'image/filename': tf.FixedLenFeature((), tf.string, default_value=''),
}
items_to_handlers = {
'image': slim.tfexample_decoder.Image(),
'label': slim.tfexample_decoder.Tensor('image/class/label'),
'filename': slim.tfexample_decoder.Tensor('image/filename'),
}
2) 将文件名参数添加到函数的image\u to\u示例
然后它应该看起来像:
def image_to_tfexample(image_data, image_format, height, width, class_id, filename):
return tf.train.Example(features=tf.train.Features(feature={
'image/encoded': bytes_feature(image_data),
'image/format': bytes_feature(image_format),
'image/class/label': int64_feature(class_id),
'image/height': int64_feature(height),
'image/width': int64_feature(width),
'image/filename': bytes_feature(filename)
}))
3) 修改以保存文件名
将文件名输入TF记录
example = dataset_utils.image_to_tfexample(
image_data, 'jpg', height, width, class_id, filenames[i])
4) 在您的评估中,将错误分类的imgs映射到文件名
我指的是
使用tf.train.batch检索文件名:
images, labels, filenames = tf.train.batch(
[image, label, filename],
batch_size=FLAGS.batch_size,
num_threads=FLAGS.num_preprocessing_threads,
capacity=5 * FLAGS.batch_size)
获取错误分类的IMG并将其映射到文件名:
predictions = tf.argmax(logits, 1)
labels = tf.squeeze(labels)
mislabeled = tf.not_equal(predictions, labels)
mislabeled_filenames = tf.boolean_mask(filenames, mislabeled)
打印:
eval_op = tf.Print(eval_op, [mislabeled_filenames])
slim.evaluation.evaluate_once(
.... # other options
eval_op=eval_op,
.... # other options)
谢谢你的回答。在使用tfrecords中的tf slim数据集时,我需要更改代码。一旦我有了新的信息,我会发布一个更新。我能够转移你处理tf记录的方法!我会接受你的回答并添加我的tf记录解决方案。