如何重用slim。tensorFlow中的arg_范围？

Question

我正在尝试加载inception\u resnet\u v2\u 2016\u 08\u 30。ckpt归档并进行测试。

该代码适用于单个图像（仅输入一次oneFile（）函数）。

如果调用oneFile（）函数两次，则会出现以下错误：

ValueError:变量接收Resnetv2/Conv2d_1a_3x3/权重已存在，不允许。您的意思是在VarScope中设置reuse=True吗？最初定义为：

我找到了共享变量的相关解决方案

如果tf。变量范围遇到同样的问题，可以调用范围。重用变量（）以解决此问题。

但是我找不到超薄的。arg_scopeversion以重用该作用域。

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

完整错误消息：

./data/test/齿/1/7070.jpgTraceback（最近一次调用最后一次）：File"testing.py"，第111行，在main（）File"testing.py"中，第106行，在main cal（processed_images）File"testing.py"，第67行，在cal logits中，_=inception_resnet_v2（processed_images，num_classes=16，is_training=False）文件"/笔记本/transfer_learning_tutorial/inception_resnet_v2.py"，第123行，inception_resnet_v2范围='Conv2d_1a_3x3'）文件"/usr/本地/lib/python3.5/dist-包/tenorflow/contrib/框架/python/ops/arg_scope.py"，第181行，在func_with_args返回func（*args，**current_args）File"/usr/本地/lib/python3.5/dist-包/tenstorflow/contrib/层/python/层/layers.py"，第918行，在卷积输出=layer.apply（输入）File"/usr/local/lib/python3.5/dist-包/tensorflow/python/层/base.py"，第320行，在应用返回self.call（输入，**kwargs）文件"/usr/local/lib/python3.5/dist-包/tensorflow/python/层/base.py"，第286行，在调用self.build（input_shapes[0]）File"/usr/local/lib/python3.5/dist-pack/tensorflow/python/层/convolutional.py"，第138行，在构建dtype=self.dtype）File"/usr/local/lib/python3.5/dist-pack/tensorflow/python/ops/variable_scope.py"，第1049行，get_variableuse_resource=use_resource，custom_getter=custom_getter）File"/usr/local/lib/python3.5/dist-包/tenorflow/python/ops/variable_scope.py"，第948行，get_variableuse_resource=use_resource，custom_getter=custom_getter）File"/usr/local/lib/python3.5/dist-包/tenorflow/python/ops/variable_scope.py"，第349行，get_variablevalidate_shape=validate_shape，use_resource=use_resource）File"/usr/local/lib/python3.5/dist-包/tensorflow/python/ops/variable_scope.py"，第1389行，wrapped_custom_getter*args，**kwargs）File"/usr/local/lib/python3.5/dist-包/tensorflow/python/layers/base.py"，第275行，在variable_gettervariable_getter=functools.partial（getter，**kwargs））文件/usr/本地/lib/python3.5/dist-包/tenstorflow/python/层/base. py，第228行，在_add_variable可训练=可训练和自训练）文件/usr/本地/lib/python3.5/dist-packages/tensorflow/contrib/layers/python/layers/layers.py"，行1334，在layer_variable_getter返回_model_variable_getter（getter，*args，**kwargs）文件"/usr/本地/lib/python3.5/dist-包/Tenorflow/contrib/层/python/层/layers. py"，行1326，在_model_variable_gettercustom_getter=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返回func（*args，**current_args）File"/usr/loce/lib/python3.5/dist-包/Tenorflow/contrib/框架/python/ops/变量. py"，第262行，在model_variableuse_resource=use_resource）File"/usr/loce/lib/python3.5/dist-packages/tensorflow/contrib/framework/python/ops/arg_scope.py"，第181行，在func_with_args返回func（*args，**current_args）File"/usr/place/lib/python3.5/dist-包/Tenorflow/contrib/框架/python/ops/变量. py"，第217行，变量use_resource=use_resource）File"/usr/loc/lib/python3.5/dist-包/Tenorflow/python/ops/variable_scope. py"，第341行，在_true_getteruse_resource=use_resource）File"/usr/loce/lib/python3.5/dist-包/tenorflow/python/ops/variable_scope. py"，第653行，在_get_single_variable名称中，""。加入（回溯。format_list（tb））））值错误：变量InceptionResnetV2/Conv2d_1a_3x3/权重已经存在，不允许。您的意思是在VarScope中设置reuse=True吗？最初定义为：

文件“/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/framework/python/ops/variables.py”，变量use\u-resource=use\u-resource）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/contrib/framework/python/ops/arg\u-scope.py”中的第217行，带有参数的函数返回函数（*args，**当前参数）文件第181行“/usr/local/lib/python3。5/dist包/tensorflow/contrib/framework/python/ops/variables。py“，第262行，在模型_变量use_resource=use_resource中）

Answer 1

我猜您在图中为多个变量指定了相同的范围。当tensorflow在同一范围内发现多个变量（与下一个映像或下一批无关）时，就会发生此错误。创建图形时，应仅考虑一个图像或批次。如果第一批或第一幅图像一切正常，tensorflow将负责下一次迭代，包括范围界定。

因此，请检查模型文件中的所有作用域。我敢肯定你用过两次同一个名字。

Answer 2

好像是tf。在处理oneFile（）函数中的每个图像之前重置\u default\u graph（）将解决此问题，因为我在一个非常类似的示例代码中遇到了相同的问题。我的理解是，一旦你将图像输入到神经网络（NN），由于TensorFlow使用的可变范围概念，在你将NN应用到另一个图像之前，需要被告知变量可以重用。