python - 在 tensorflow 中对图像并行运行预训练的 VGG-16

Question

我正在使用预先训练的 VGG-16 网络将图像转换为特征。我可以按顺序完成这个工作。但是，我想并行执行此操作，但我不确定如何正确构建批处理。

具体来说，假设我加载了 16 个保存在 numpy 数组中的图像(即 16x224x224x3)。我想并行地转换这些。这是我到目前为止所拥有的:

 checkpoint_file = './vgg_16.ckpt'
 input_tensor = tf.placeholder(tf.float32, shape=(None,224,224,3), name='input_image')
 scaled_input_tensor = tf.scalar_mul((1.0/255), input_tensor)
 scaled_input_tensor = tf.subtract(scaled_input_tensor, 0.5)
 scaled_input_tensor = tf.multiply(scaled_input_tensor, 2.0)

 arg_scope = vgg_arg_scope()
 with slim.arg_scope(arg_scope):
   _, end_points = vgg_16(scaled_input_tensor, is_training=False)

 sess = tf.Session()
 saver = tf.train.Saver()
 saver.restore(sess, checkpoint_file)

 images = get_16_images() #arbitrary function, images is 16x224x224x3
 images =  tf.convert_to_tensor(images)

 batch = tf.train.batch(im, 2, num_threads=6, enqueue_many=True, allow_smaller_final_batch=True)

 sess.run(end_points['vgg_16/fc7'], feed_dict={input_tensor: batch}) #Error

我最终得到一个错误:

*** ValueError: setting an array element with a sequence.

有人可以帮我吗？批处理教程似乎专注于在读取数据时创建批处理，但我已经读取了数据，只是想创建一个批处理来并行化网络对不同图像的计算。

Answer 1

好吧，这是一个愚蠢的问题，但我认为其他 tensorflow 新手可能会遇到同样的问题。

如果不清楚，feed_dict 接受numpy 数组。所以你不需要构造一个显式的批量张量。只需传入多个 numpy 数组，tensorflow 就会处理它。请注意我定义输入张量的位置:

input_tensor = tf.placeholder(tf.float32, shape=(None,224,224,3), name='input_image')

所以 tensorflow 已经知道输入将是一个“批处理”。变量images(来自get_16_images())已经正是我所需要的。

您可以通过检查 CPU 分配来确认这是并行的。该批处理的 Python CPU 分配飙升至 650%。