基于s390x的Tensorflow图像识别(教程实例)

Question

我已经安装了Tensorflow软件包，并从s390x体系结构的源代码中进行了编程。本教程中描述的图像识别classify_image.py示例引发一个错误，如下所示：

运行命令：

python ./classify_image.py --model_dir=/data/shared/myprojects/tensorflow/models/models-master/tutorials/image/imagenet --image_file=/data/shared/myprojects/keras/images/claude_profile.jpg

错误消息：

  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/common_shapes.py", line 659, in _call_cpp_shape_fn_impl
    raise ValueError(err.message)
ValueError: Cannot reshape a tensor with 1041082757314414592 elements to shape [16777216,524288] (8796093022208 elements) for 'pool_3/_reshape' (op: 'Reshape') with input shapes: [1,22546423,22546423,2048], [2] and with input tensors computed as partial shapes: input[1] = [16777216,524288].

版本：

python
Python 2.7.12 (default, Nov 19 2016, 06:48:10) 
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> tf.VERSION
'1.3.1'
>>> 

一个可能的错误原因是endianness的不兼容性，因为经过训练的模型可能存储在一个小的endian符号中，而CPU则在一个大的endian模式下工作。是否有一种简单的方法来配置一个字节交换，以改变输入数据的特性？其他Tensorflow示例，没有图像处理例程执行OK。

Answer 1

1041082757314414592听起来更像是溢出/下溢，而不是无生气的问题。如果您不尝试加载一个示例，但是尝试从头开始运行一个示例，那么您也会看到问题吗？

Answer 2

这种情况似乎发生了，因为初始模型是在小终端机器上预先训练过的模型，在大端点(S390x)加载时会出现问题。也包括任何图表(如。classify_image_graph_def.pb)将以一种格式存储像size这样的值，在另一种格式中读取时会产生意想不到的结果。

据我所知，目前还没有工具可以将任何已保存的模型转换为兼容于大端。

所以现在，在大端，我们需要从头开始训练我们的节点。