まず、ネットワークアーキテクチャをメモリに入れました。今、あなたは初期化することができ、これにより
from inception_resnet_v2 import inception_resnet_v2, inception_resnet_v2_arg_scope
height = 299
width = 299
channels = 3
X = tf.placeholder(tf.float32, shape=[None, height, width, channels])
with slim.arg_scope(inception_resnet_v2_arg_scope()):
logits, end_points = inception_resnet_v2(X, num_classes=1001,is_training=False)
あなたはメモリ内のすべてのネットワークを持っている:あなたはあなたと一緒にこのプログラムを持っていたら、あなたはモデルを使用するには、次のアプローチを使用し、here
からネットワークアーキテクチャを得ることができますtf.train.saverを使用して、チェックポイントファイル(CKPT)とのネットワークは:
saver = tf.train.Saver()
sess = tf.Session()
saver.restore(sess, "/home/pramod/Downloads/inception_resnet_v2_2016_08_30.ckpt")
あなたがボトルの抽出を行いたい場合は、そのは簡単なようにあなたは、単にあなたが持っている、最後の層からフィーチャーを取得したいと言うことができます宣言するpredictions = end_points["Logits"]
あなたが他の中間層のためにそれを取得したい場合は、あなたが呼び出すことができます。その後
inception_resnet_v2.py上記のプログラムからそれらの名前を取得することができます:output = sess.run(predictions, feed_dict={X:batch_images})
おかげしかしメタグラフはロードモデルの定義に役立ちます。私が現在持っているのは、訓練された重みと偏りの値だけを含むチェックポイントモデルです(モデルアーキテクチャなどの情報はありません) – Sangram
私は自分の答えを編集しました。 – Covi