我正在尝试加载inception_resnet_v2_2016_08_30.ckpt文件并进行测试。
该代码适用于单个图像（仅输入oneFile（）函数一次）。
如果我两次调用oneFile（）函数，则会发生以下错误：
ValueError：变量InceptionResnetV2 / Conv2d_1a_3x3 /权重已存在，不允许。你的意思是在VarScope中设置reuse = True吗？最初定义于：
我在Sharing Variables找到了相关的解决方案
如果tf.variable_scope遇到同样的问题，可以调用scope.reuse_variables()来解决这个问题。
但我找不到slim.arg_scope版本来重用范围。
def oneFile(filepath):
imgPath = filepath
testImage_string = tf.gfile.FastGFile(imgPath, 'rb').read()
testImage = tf.image.decode_jpeg(testImage_string, channels=3)
processed_image = inception_preprocessing.preprocess_image(testImage, image_size, image_size, is_training=False)
processed_images = tf.expand_dims(processed_image, 0)
# Create the model, use the default arg scope to configure the batch norm parameters.
with slim.arg_scope(inception_resnet_v2_arg_scope()):
#logits, end_points = inception_resnet_v2(images, num_classes = dataset.num_classes, is_training = False)
logits, _ = inception_resnet_v2(processed_images, num_classes=16, is_training=False)
probabilities = tf.nn.softmax(logits)
init_fn = slim.assign_from_checkpoint_fn(
checkpoint_file,
slim.get_model_variables(model_name))
with tf.Session() as sess:
init_fn(sess)
np_image, probabilities = sess.run([processed_images, probabilities])
probabilities = probabilities[0, 0:]
sorted_inds = [i[0] for i in sorted(enumerate(-probabilities), key=lambda x: x[1])]
#print(probabilities)
print(probabilities.argmax(axis=0))
#names = imagenet.create_readable_names_for_imagenet_labels()
#for i in range(15):
# index = sorted_inds[i]
# print((probabilities[index], names[index]))
def main():
for image_file in os.listdir(dataset_dir):
try:
image_type = imghdr.what(os.path.join(dataset_dir, image_file))
if not image_type:
continue
except IsADirectoryError:
continue
#image = Image.open(os.path.join(dataset_dir, image_file))
filepath = os.path.join(dataset_dir, image_file)
oneFile(filepath)
inception_resnet_v2 arg_scope
def inception_resnet_v2_arg_scope(weight_decay=0.00004,
batch_norm_decay=0.9997,
batch_norm_epsilon=0.001):
"""Yields the scope with the default parameters for inception_resnet_v2.
Args:
weight_decay: the weight decay for weights variables.
batch_norm_decay: decay for the moving average of batch_norm momentums.
batch_norm_epsilon: small float added to variance to avoid dividing by zero.
Returns:
a arg_scope with the parameters needed for inception_resnet_v2.
"""
# Set weight_decay for weights in conv2d and fully_connected layers.
with slim.arg_scope([slim.conv2d, slim.fully_connected],
weights_regularizer=slim.l2_regularizer(weight_decay),
biases_regularizer=slim.l2_regularizer(weight_decay)):
batch_norm_params = {
'decay': batch_norm_decay,
'epsilon': batch_norm_epsilon,
}
# Set activation_fn and parameters for batch_norm.
with slim.arg_scope([slim.conv2d], activation_fn=tf.nn.relu,
normalizer_fn=slim.batch_norm,
normalizer_params=batch_norm_params) as scope:
return scope
完整的错误消息：
./data/test/teeth/1/7070.jpg Traceback（最近一次调用最后一次）：文件“testing.py”，第111行，在main（）文件“testing.py”，第106行，在主要cal（processed_images） ）文件“testing.py”，第67行，在cal logits中，_ = inception_resnet_v2（processed_images，num_classes = 16，is_training = False）文件“/notebooks/transfer_learning_tutorial/inception_resnet_v2.py”，第123行，inception_resnet_v2 scope ='Conv2d_1a_3x3 '）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/framework/python/ops/arg_scope.py”，第181行，在func_with_args中返回func（* args，** current_args）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/layers/python/layers/layers.py”，第918行，卷积输出= layer.apply（输入）文件“/ usr / local /lib/python3.5/dist-packages/tensorflow/python/layers/base.py“，第320行，在apply return self.call（inputs，** kwargs）File”/usr/local/lib/python3.5 /dist-packages/tensorflow/python/layers/base.py“，第286行，在调用self.build（input_shapes [0]）文件”/ usr / local / l ib / python3.5 / dist-packages / tensorflow / python / layers / convolutional.py“，第138行，在build dtype = self.dtype中）文件”/usr/local/lib/python3.5/dist-packages/tensorflow /python/ops/variable_scope.py“，第1049行，在get_variable中使用use_resource = use_resource，custom_getter = custom_getter）文件”/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/variable_scope.py“ ，第948行，在get_variable中使用use_resource = use_resource，custom_getter = custom_getter）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/variable_scope.py”，第349行，get_variable validate_shape = validate_shape ，use_resource = use_resource）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/variable_scope.py”，第1389行，在wrapped_custom_getter * args，** kwargs）文件“/ usr / local / lib / python3.5 / dist-packages / tensorflow / python / layers / base.py“，第275行，在variable_getter中，variable_getter = functools.partial（getter，** kwargs））文件”/ usr / local / lib / python3.5 / DIST-包/ tensorflow /蟒/层/ base.py”，第228行，在_add_variable trainable = trainable和self.trainable）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/layers/python/layers/layers.py”，第1334行，在layer_variable_getter中return _model_variable_getter（getter，* args，** kwargs）_model_variable_getter custom_getter中的文件“/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/layers/python/layers/layers.py”，第1326行= getter，use_resource = use_resource）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/framework/python/ops/arg_scope.py”，第181行，在func_with_args中返回func（* args， ** current_args）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/framework/python/ops/variables.py”，第262行，在model_variable中使用use_resource = use_resource）文件“/ usr / local / lib / python3.5 / dist-packages / tensorflow / contrib / framework / python / ops / arg_scope.py“，第181行，在func_with_args中返回func（* args，** current_args）文件”/ usr / local / lib /python3.5/dist-packages/tensorflow/contrib/framework/python/ ops / variables.py“，第217行，在变量use_resource = use_resource中）文件”/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/variable_scope.py“，第341行，在_true_getter中使用use_resource = use_resource）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/variable_scope.py”，第653行，在_get_single_variable名称中，“”。join（traceback.format_list（tb）） ））ValueError：变量InceptionResnetV2 / Conv2d_1a_3x3 /权重已经存在，不允许。你的意思是在VarScope中设置reuse = True吗？最初定义于：
文件“/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/framework/python/ops/variables.py”，第217行，变量use_resource = use_resource）文件“/ usr / local / lib / python3.5 / dist-packages / tensorflow / contrib / framework / python / ops / arg_scope.py“，第181行，在func_with_args中返回func（* args，** current_args）文件”/usr/local/lib/python3.5 /dist-packages/tensorflow/contrib/framework/python/ops/variables.py“，第262行，在model_variable use_resource = use_resource中）
在处理tf.reset_default_graph()函数中的每个图像之前，似乎oneFile()将解决这个问题，因为我在一个非常相似的示例代码上遇到了同样的问题。我的理解是，一旦将图像提供给神经网络（NN），由于TensorFlow使用的变量范围概念，需要告知在将NN应用于另一个图像之前可以重用变量。
我的猜测是你为图中的多个变量指定了相同的范围。当tensorflow在同一范围内找到多个变量时，会发生此错误，这与下一个图像或下一个批次无关。创建图形时，应创建它，仅考虑一个图像或批处理。如果一切都适用于第一批或第一批图像，则tensorflow将负责下一次迭代，包括范围确定。
因此，请检查模型文件中的所有范围。我很确定你两次使用相同的名字。