tensorflow-deeplab-resnet-master之npy2ckpt.py【.npy如何转.ckpt】

准备工作

代码

github地址：https://github.com/DrSleep/tensorflow-deeplab-resnet

一、代码理解

（一）程序实现过程

1、参数设置

2、搭建网络结构

（二）核心脚本network.py结构

二、代码调试

（一）修改代码，设置所需文件及输出文件相关参数

（二）错误1-获得的输入图像的色彩通道数c_i格式不正确

1、报错

【TypeError: unsupported operand type(s) for /: ‘Dimension’ and ‘int’】

2、原因分析

• 获得输入图像色彩通道数的代码：
  
• 输出c_i的类型及其中存储的数值：
  
• 我们需要的是一个int型的数值，但是得到的却是bimension，所以我们需要对取得的TensorShape做一定修改，将其转换成list型，然后再从中取得色彩通道数。

3、解决方案

• 将代码修改为：
  
• 得到的c_i：
  
  参考：[TensorFlow笔记] 获取Tensor的维度（tf.shape(x)、x.shape和x.get_shape()的区别）

（三）错误2-使用len()函数获取map型数据的长度

1、报错

【TypeError: object of type ‘map’ has no len()】

2、原因分析

变量类型为map，无法通过len()函数获取其长度

3、解决方案

• 查看后续代码，修改input_shape的类型并不会对代码造成影响，故我直接将其转换为list型数据：
  

（四）错误3-参数值传递出错

1、报错

【TypeError: not all arguments converted during string formatting】

2、原因分析

• 出错位置：
  
• 出错原因：参数设置错误
  在未使用参数名传参时，会将参数值传递给函数中对应位置的参数，按照原始语句【return tf.nn.softmax(input, name)】会导致函数【tf.nn.softmax()】中，参数axis的值为变量name的值，导致后续错误
  

3、解决方案

• 加上参数名传值
  

（五）错误4-字典对象不具有’iteritems’属性

1、报错

【AttributeError: ‘dict’ object has no attribute ‘iteritems’】

2、原因分析

• 查找出错点：
  
• 分析：在python3.5中：iteritems变为items

3、解决方案

• 对代码做如下修改：
  

（六）错误5-生成的zfnet的参数格式与.npy中参数格式不一致

1、报错

• 【tensorflow.python.framework.errors_impl.InvalidArgumentError: Dimension 0 in both shapes must be equal, but are 6400 and 9216. Shapes are [6400,4096] and [9216,4096]. for ‘fc6_1/Assign’ (op: ‘Assign’) with input shapes: [6400,4096], [9216,4096].】
• 【ValueError: Dimension 0 in both shapes must be equal, but are 6400 and 9216. Shapes are [6400,4096] and [9216,4096]. for ‘fc6_1/Assign’ (op: ‘Assign’) with input shapes: [6400,4096], [9216,4096].】
  
  
  

2、原因分析

• 直接使用caffe model转tensorflow model得到的zf.py文件中的padding设置为’VALID’和’SAME’两种值之一，但在计算输出的图像的width和height时采用上采样，无法得到原始定义的ZFNet网络参数格式。

3、解决方案

将定义ZFNet的脚本修改成下列形式：

class DeepLabZFNetModel(Network):def setup(self, is_training, num_classes):(self.feed('data').conv(7, 7, 96, 2, 2, padding='VALID', name='conv1').lrn(1, 1.666666624563125e-05, 0.75, name='norm1').max_pool(3, 3, 2, 2, padding='SAME', name='pool1').conv(5, 5, 256, 2, 2, padding='VALID', name='conv2').lrn(1, 1.666666624563125e-05, 0.75, name='norm2').max_pool(3, 3, 2, 2, padding='SAME', name='pool2').conv(3, 3, 384, 1, 1, padding='SAME', name='conv3').conv(3, 3, 384, 1, 1, padding='SAME', name='conv4').conv(3, 3, 256, 1, 1, padding='SAME', name='conv5').max_pool(3, 3, 2, 2, padding='VALID', name='pool5').fc(4096, name='fc6').fc(4096, name='fc7').fc(1000, relu=False, name='fc8').softmax(name='prob'))

三、运行结果

• 生成.ckpt文件
  

参考

• 代码github地址
• [TensorFlow笔记] 获取Tensor的维度（tf.shape(x)、x.shape和x.get_shape()的区别）