问题：

在tensorlfow对象检测api中导出推理图时出错

温嘉玉

2023-03-14

嗨，我正在做的tenstorFlow目标检测api。我已经遵循了回购中的所有主要指示，直到现在它一直运行良好。但是一些奇怪的错误开始突然出现。我之前使用的是快速rcnn，现在切换到ssd移动v2 coco。

同时使用命令生成推理图

python export_inference_graph.py --input_type image_tensor --pipeline_config_path training/faster_rcnn_inception_v2_pets.config --trained_checkpoint_prefix training/model.ckpt-10250 --output_directory inference_graph

我得到以下错误：

回溯（最近一次调用）：文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/client/session.py”，第1356行，在_do_call return fn（*args）文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/client/session.py”中，第1341行，在_run_fn选项中，提要，feed_dict，fetch列表，target_list，run_metadata）File“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/client/session.py”，第1429行，位于调用_tf_sessionrun_metadata）tensorflow中。python框架错误。NotFoundError:在检查点[[{{node save/RestoreV2}}]]中未找到密钥Conv/bias

在处理上述异常时，发生了另一个异常：

回溯（最后一次调用）：文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/training/saver.py”，第1286行，在restore{self.saver\u def.filename\u tensor\u name:save_path}文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/python/client/session.py”第950行，运行元数据（ptr）文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/client/session.py”，第1173行，运行提要（dict）tensor，选项，运行元数据（ptr）文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/client/session.py”，第1350行，运行元数据）文件“/home/user/anaconda3/envs/my_env/lib/python3。6/站点包/tensorflow/python/client/session。py“，第1370行，在_do_call raise type（e）（node_def，op，message）tensorflow.python.framework.errors_impl.NotFoundError:Key Conv/bias未在检查点中找到[[node save/RestoreV2（在/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/object_detection/exporter.py:331中定义）]]

“save/RestoreV2”的原始堆栈跟踪：tf中第162行的文件“export\u interference\u graph.py”。应用程序。run（）文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/platform/app.py”，第40行，运行中（main=main，argv=argv，flags\u parser=\u parse\u flags\u undef）文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/absl/app.py”，第299行，运行中“/home/user/anaconda3/envs/my_env/lib/python3。6/站点包/absl/应用程序。py“，第250行，在主系统出口（主（argv））文件“导出推理图”中。py”，第158行，在主write\u expression\u graph=FLAGS.write\u expression\u graph）文件“/home/user/anaconda3/envs/my\u env/lib/python3中。6/现场包装/物体探测/出口商。py“，第497行，在导出推理图写入推理图=写入推理图）文件“/home/user/anaconda3/envs/my_env/lib/python3中。6/现场包装/物体探测/出口商。py“，第426行，在文件“/home/user/anaconda3/envs/my\u env/lib/python3”中，导出推理图“\u checkpoint\u prefix=checkpoint\u to\u use”。6/现场包装/物体探测/出口商。py“，第331行，在write_graph_和_checkpoint tf.import_graph_def（推断_graph_def，name=''）文件“/home/user/anaconda3/envs/my_env/lib/python3中。6/站点包/tensorflow/python/util/deprecation。py“，第507行，在新函数return func（*args，**kwargs）文件“/home/user/anaconda3/envs/my_env/lib/python3中。6/站点包/tensorflow/python/framework/importer。py”，第443行，在导入图形定义处理新操作（图形）文件“/home/user/anaconda3/envs/my_env/lib/python3中。6/站点包/tensorflow/python/framework/importer。py”，第236行，在图中添加新操作的新操作。添加新操作（compute\u devices=False）：\pylint:disable=protected access File”/home/user/anaconda3/envs/my\u env/lib/python3。6/站点包/tensorflow/python/framework/ops。py“，第3751行，在c_api_util.new_tf_operations（self）文件“/home/user/anaconda3/envs/my_env/lib/python3中为c_op添加新的_tfu_操作。6/站点包/tensorflow/python/framework/ops。py”，第3751行，用于c_api_util.new_tf_operations（self）文件“/home/user/anaconda3/envs/my_env/lib/python3中的c_op。6/站点包/tensorflow/python/framework/ops。py”，第3641行，在“从操作ret=operation（c_op，self）文件/home/user/anaconda3/envs/my_env/lib/python3创建操作”中。6/站点包/tensorflow/python/framework/ops。py“，第2005行，在init self._traceback=tf_stack.extract_stack（）中

在处理上述异常时，发生了另一个异常：

回溯（最后一次调用）：文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/training/saver.py”，第1296行，在restore names\u-keys=object\u-graph\u-key\u-mapping（save\u-path）文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/training/saver.py”中，第1614行，在对象\图形\键\映射对象\图形\字符串=读取器中。get_tensor（trackable.OBJECT_GRAPH_PROTO_KEY）文件“/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/tensorflow/python/pywrap_tensorflow_internal.py”，第678行，在get_tensor返回检查点阅读器_gettensorflow（self，compat.as_bytes（tensor_str））中。python框架错误。NotFoundError:在检查点中找不到键\u可检查点\u对象\u图形

在处理上述异常时，发生了另一个异常：

Traceback（最近一次调用）：文件"export_inference_graph.py"，第162行，在tf.app.run（）文件"/home/user/anaconda3/envs/my_env/lib/python3.6/site-包/tensorflow/python/平台/app.py"，第40行，在运行_run（main=Main， argv=argv，flags_parser=_parse_flags_tolerate_undef）File"/home/user/anaconda3/envs/my_env/lib/python3.6/site-包/absl/app.py"，第299行，在运行_run_main（main， args）File"/home/user/anaconda3/envs/my_env/lib/python3.6/site-包/absl/app.py"，第250行，_run_mainsys.exit（main（agv））File"export_inference_graph.py"，第158行，mainwrite_inference_graph=FLAGS。write_inference_graph）File"/home/user/anaconda3/envs/my_env/lib/python3.6/site-包/object_detection/exporter.py"，第497行，export_inference_graphwrite_inference_graph=write_inference_graph）File"/home/user/anaconda3/envs/my_env/lib/python3.6/site-包/object_detection/exporter.py"，第426行，_export_inference_graphtrained_checkpoint_prefix=checkpoint_to_use）File"/home/user/anaconda3/envs/my_env/lib/python3.6/site-包/object_detection/exporter.py"，第335行，write_graph_and_checkpointsaver.restore（sess，trained_checkpoint_prefix）File"/home/user/anaconda3/envs/my_env/lib/python3.6/site-包/tensorflow/python/训练/saver.py"，第1302行，在恢复err中，"缺少变量名或其他图形键"）tensorflow.python.framework.errors_impl。从检查点还原失败。这很可能是由于检查点缺少变量名称或其他图形键造成的。请确保您没有根据检查点更改预期的图形。原始错误：

在检查点[[节点保存/恢复2（在/home/user/anaconda3/envs/my_env/lib/python3.6/site packages/object_detection/exporter.py:331中定义）]中未找到密钥转换/偏差

事实上，它一直在正常工作，不知道现在发生了什么。我尝试了快速rcnn以及（这是工作较早），但它也开始失败

这里是配置文件。我现在做2节课

# Faster R-CNN with Inception v2, configured for Oxford-IIIT Pets Dataset.
# Users should configure the fine_tune_checkpoint field in the train config as
# well as the label_map_path and input_path fields in the train_input_reader and
# eval_input_reader. Search for "PATH_TO_BE_CONFIGURED" to find the fields that
# should be configured.

model {
  faster_rcnn {
    num_classes: 2
    image_resizer {
      keep_aspect_ratio_resizer {
        min_dimension: 600
        max_dimension: 1024
      }
    }
    feature_extractor {
      type: 'faster_rcnn_inception_v2'
      first_stage_features_stride: 16
    }
    first_stage_anchor_generator {
      grid_anchor_generator {
        scales: [0.25, 0.5, 1.0, 2.0]
        aspect_ratios: [0.5, 1.0, 2.0]
        height_stride: 16
        width_stride: 16
      }
    }
    first_stage_box_predictor_conv_hyperparams {
      op: CONV
      regularizer {
        l2_regularizer {
          weight: 0.0
        }
      }
      initializer {
        truncated_normal_initializer {
          stddev: 0.01
        }
      }
    }
    first_stage_nms_score_threshold: 0.0
    first_stage_nms_iou_threshold: 0.7
    first_stage_max_proposals: 300
    first_stage_localization_loss_weight: 2.0
    first_stage_objectness_loss_weight: 1.0
    initial_crop_size: 14
    maxpool_kernel_size: 2
    maxpool_stride: 2
    second_stage_box_predictor {
      mask_rcnn_box_predictor {
        use_dropout: false
        dropout_keep_probability: 1.0
        fc_hyperparams {
          op: FC
          regularizer {
            l2_regularizer {
              weight: 0.0
            }
          }
          initializer {
            variance_scaling_initializer {
              factor: 1.0
              uniform: true
              mode: FAN_AVG
            }
          }
        }
      }
    }
    second_stage_post_processing {
      batch_non_max_suppression {
        score_threshold: 0.0
        iou_threshold: 0.6
        max_detections_per_class: 100
        max_total_detections: 300
      }
      score_converter: SOFTMAX
    }
    second_stage_localization_loss_weight: 2.0
    second_stage_classification_loss_weight: 1.0
  }
}

train_config: {
  batch_size: 1
  optimizer {
    momentum_optimizer: {
      learning_rate: {
        manual_step_learning_rate {
          initial_learning_rate: 0.0002
          schedule {
            step: 1
            learning_rate: .0002
          }
          schedule {
            step: 900000
            learning_rate: .00002
          }
          schedule {
            step: 1200000
            learning_rate: .000002
          }
        }
      }
      momentum_optimizer_value: 0.9
    }
    use_moving_average: false
  }
  gradient_clipping_by_norm: 10.0
  fine_tune_checkpoint: "/home/user/Downloads/Data_Science/Git/models/research/object_detection/faster_rcnn_inception_v2_coco_2018_01_28/model.ckpt"
  from_detection_checkpoint: true
  load_all_detection_checkpoint_vars: false
  # Note: The below line limits the training process to 200K steps, which we
  # empirically found to be sufficient enough to train the pets dataset. This
  # effectively bypasses the learning rate schedule (the learning rate will
  # never decay). Remove the below line to train indefinitely.
  num_steps: 200000
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
}


train_input_reader: {
  tf_record_input_reader {
    input_path: "/home/user/Downloads/Data_Science/Git/models/research/object_detection/train.record"
  }
  label_map_path: "/home/user/Downloads/Data_Science/Git/models/research/object_detection/training/labelmap.pbtxt"
}

eval_config: {
  num_examples: 67
  # Note: The below line limits the evaluation process to 10 evaluations.
  # Remove the below line to evaluate indefinitely.
  max_evals: 10
}

eval_input_reader: {
  tf_record_input_reader {
    input_path: "C:/tensorflow1/models/research/object_detection/test.record"
  }
  label_map_path: "C:/tensorflow1/models/research/object_detection/training/labelmap.pbtxt"
  shuffle: false
  num_readers: 1
}

在github中发现一个或两个类似的错误。但这没有用。任何帮助都将不胜感激。如果您需要更多信息，请留言。非常感谢。

党星鹏

2023-03-14

您是否确定您的型号培训/型号。ckpt-10250是一款更快的\u rcnn\u inception\u v2\u pets型号？错误NotFoundError:Key Conv/biases未在检查点[[{{node save/RestoreV2}}]]中找到意味着它无法从检查点恢复Conv/biases。

或者，确保您使用的是对象检测框架支持的TF版本。你可以在这里找到所有版本。

在tensorlfow对象检测api中导出推理图时出错

共有1个答案

相关问答

相关文章

相关阅读

相关工具

相关文档