将Tensorflow对象检测与keras cnn分类器集成

loading...


0

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

loading...

0回答

No Data

评论

暂时没有评论!