我的问题是使用mobilenet SSD检测对象,然后使用在Keras.everytime中训练的CNN分类器从边界框读取数据,在获得边界框后,必须使用CNN分类器对其进行评估 . 在git和stack中引用问题的数量时,我开始编写自己的编码 . 但是在使用tf.reset_default_graph()重置tf图之后,在从keras加载.h5时,它会抛出一个错误 .
"ValueError:
Tensor("loss/dense_6_loss/Const:0", shape=(),
dtype=float32) must be from the same graph as
Tensor("truediv_19:0", shape=(?, 36),
dtype=float32)."
我正在通过Keras和Tensorflow作为后端进行实例检测和图像检索任务 .
show:ValueError:张量a必须来自与张量b相同的图形 .
代码如下:
Merge.py
from keras import backend as K
g1=tf.Graph()
g2=Graph()
sess1=tf.Session(graph=g1)
sess2=Session(graph=g2)
def intiMaskrcnn():
with g1.as_default():
with sess1.as_default():
Model1=........
tf.rest_defaut_graph()
def instanceDetect():
K.set_session(sess1)
with g1.as_default():
Model1.predit()
............
k.clear_session()
def intiMobilenet():
with g2.as_default():
with sess2.as_default():
Model2=........
def Retrieval():
K.set_session(sess2)
with g2.as_default():
Model2.predit()
............
我需要知道是否有可能将tf和Keras同时集成到一个管道中......如果可能的话怎么样?事先提供