1

画像のリストをループして Google の Inception モデルを実行しようとすると、約 100 枚ほどの画像の後、以下の問題が発生します。メモリが不足しているようです。私はCPUで実行しています。他の誰かがこの問題に遭遇しましたか?

Traceback (most recent call last):
  File "clean_dataset.py", line 33, in <module>
    description, score = inception.run_inference_on_image(f.read())
  File "/Volumes/EXPANSION/research/dcgan-transfer/data/classify_image.py", line 178, in run_inference_on_image
    node_lookup = NodeLookup()
  File "/Volumes/EXPANSION/research/dcgan-transfer/data/classify_image.py", line 83, in __init__
    self.node_lookup = self.load(label_lookup_path, uid_lookup_path)
  File "/Volumes/EXPANSION/research/dcgan-transfer/data/classify_image.py", line 112, in load
    proto_as_ascii = tf.gfile.GFile(label_lookup_path).readlines()
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/tensorflow/python/lib/io/file_io.py", line 110, in readlines
    self._prereadline_check()
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/tensorflow/python/lib/io/file_io.py", line 72, in _prereadline_check
    compat.as_bytes(self.__name), 1024 * 512, status)
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/contextlib.py", line 24, in __exit__
    self.gen.next()
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/tensorflow/python/framework/errors.py", line 463, in raise_exception_on_not_ok_status
    pywrap_tensorflow.TF_GetCode(status))
tensorflow.python.framework.errors.ResourceExhaustedError: /tmp/imagenet/imagenet_2012_challenge_label_map_proto.pbtxt


real    6m32.403s
user    7m8.210s
sys     1m36.114s

https://github.com/tensorflow/models/tree/master/inception

4

1 に答える 1

3

問題は、元の「classify_image.py」( https://github.com/tensorflow/tensorflow/blob/master/tensorflow/models/image/imagenet/classify_image.py ) を独自のコードに単純にインポートできないことです。何千もの画像を「バッチモード」で分類するために、それを巨大なループに入れます。

ここで元のコードを見てください。

with tf.Session() as sess:
# Some useful tensors:
# 'softmax:0': A tensor containing the normalized prediction across
#   1000 labels.
# 'pool_3:0': A tensor containing the next-to-last layer containing 2048
#   float description of the image.
# 'DecodeJpeg/contents:0': A tensor containing a string providing JPEG
#   encoding of the image.
# Runs the softmax tensor by feeding the image_data as input to the graph.
softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')
predictions = sess.run(softmax_tensor,
                       {'DecodeJpeg/contents:0': image_data})
predictions = np.squeeze(predictions)

# Creates node ID --> English string lookup.
node_lookup = NodeLookup()

top_k = predictions.argsort()[-FLAGS.num_top_predictions:][::-1]
for node_id in top_k:
  human_string = node_lookup.id_to_string(node_id)
  score = predictions[node_id]
  print('%s (score = %.5f)' % (human_string, score))

上記から、分類タスクごとにクラス「NodeLookup」の新しいインスタンスが生成され、以下のファイルからロードされることがわかります。

  • label_lookup="imagenet_2012_challenge_label_map_proto.pbtxt"
  • uid_lookup_path="imagenet_synset_to_human_label_map.txt"

したがって、インスタンスは非常に巨大になり、コードのループでこのクラスのインスタンスが何百も生成され、「tensorflow.python.framework.errors.ResourceExhaustedError」が発生します。

これを乗り切るために私が提案しているのは、新しいスクリプトを作成し、これらのクラスと関数を「classify_image.py」から変更し、ループごとに NodeLookup クラスをインスタンス化することを避け、一度だけインスタンス化してループで使用することです。 . このようなもの：

with tf.Session() as sess:
        softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')
        print 'Making classifications:'

        # Creates node ID --> English string lookup.
        node_lookup = NodeLookup(label_lookup_path=self.Model_Save_Path + self.label_lookup,
                                 uid_lookup_path=self.Model_Save_Path + self.uid_lookup_path)

        current_counter = 1
        for (tensor_image, image) in self.tensor_files:
            print 'On ' + str(current_counter)

            predictions = sess.run(softmax_tensor, {'DecodeJpeg/contents:0': tensor_image})
            predictions = np.squeeze(predictions)

            top_k = predictions.argsort()[-int(self.filter_level):][::-1]

             for node_id in top_k:
                 human_string = node_lookup.id_to_string(node_id)
                 score = predictions[node_id]
于 2016-12-04T08:55:26.570 に答える