回答情况：
提问时间：
问题标签：
我现在尝试做的是使用该.pb文件做一个简单的推断，并提取并保存输出图像。该模型是从这里下载的(用于语义分割的完全卷积网络)：。到目前为止，我已经成功地加载了图像，设置了默认的tf图，并导入了模型在其上定义的图，读取了输入和输出张量，并运行了会话(错误在这里)。name : Placeholder:0错误是否来自图像的格式
浏览 0提问于2017-08-16得票数 5
回答已采纳
推理工作如下： img_in = misc.imread(filename) / 255.0 misc.imsave(fn_res, image)
但是当图像大于我知道我可以通过将图像分割成
浏览 0提问于2018-09-17得票数 2
回答已采纳
prediction.Someone告诉我，如果我使用批处理推理而不是单图像inference.Unfortunately，时间可以大大减少，当批处理大小为32时，批处理推理的时间为0.7秒。换句话说，0.7/32=0.02，与单图像推理一样慢。为了提高tensorflow的c++应用程序接口的推理性能(减少预测时间)，我尝试了tensorflow中的MKL-DNN，但它在提高时间开销方面无效。我认为，如果我用6个优化flags.However重新编译tensorflow，成本
浏览 3修改于2019-08-12得票数 0
2回答
是否在同一数据集上对预先训练过的模型进行训练/微调，但缩小了(例如，70%)的大小，从而提高了推理速度？更普遍地说，对较小图像进行CNN训练是否提高了推理速度？
浏览 0修改于2019-02-19得票数 4
我用内置的RESnet18坞映像训练了一个模型，现在我想将模型部署到端点，并对大约100万张图像进行分类。我在S3上以RecordIO格式存储了所有的培训、验证和测试图像(与转换)。根据
亚马逊SageMaker图像分类算法支持RecordIO (应用程序/x-记录)和图像(应用程序/x-图像)内容类型进行培训。该算法只支持更好的应用/x图像进行推理。为了克服这一问题，我将所有原始的.jpg映像(~ 2GB)复制到我的实例中，并通过以下方
浏览 2提问于2018-04-26得票数 0
回答已采纳
1回答
原始输入图像形状是(高度: 434，宽度: 636)，我使用调整大小的图像(416x416)作为我的列车模型(Unet++)。我不知道在推理步骤中调整测试图像的大小是否正确，在比较测试输出和原始测试图像时，如何将模型输出调整为原始图像大小。-进程推理测试img ->调整(416,416) ->测试模型->测试输出(416 416) ->比较测试输出与测试img
浏览 1提问于2021-12-02得票数 0
此外，是否有可能通过减少对象类的数量来显著减少图像的推理时间？目标是在Raspberry Pi或Jetson Nano上运行推理。
任何帮助都是非常感谢的。谢谢。
浏览 0修改于2020-07-27得票数 3
我可以成功地对单个图像进行推断，现在我想测试多批图像的服务器容量，但是当我试图传递多个图像时，我会得到一个错误：“无法挤压昏暗，预期维数为1，得到6\n\t [{{node 3/yolo_nms/挤压}tensor_info: shape: (-1, -1, -1, 3)当我对单个大小的图像(1,416,415,3)模型进行推理时，接受并对其执行推断，但是当
浏览 1修改于2021-06-11得票数 0
我已经训练了模型，现在我想用它来检测很多图像中的物体。我看到默认预测器允许您只在图像上检测，我能做什么？
我对这个世界真的很陌生。我尝试的方法是使用for循环，但它不起作用。还有其他方法吗？
浏览 7提问于2022-04-08得票数 1
回答已采纳
我已经训练了一个模型(基于更快的rcnn )来识别1000x600图像中的80x80大小的对象。有人尝试过这个用例并找到了可行的解决方案吗？
--
浏览 3提问于2017-08-27得票数 1
我有一个特殊的用例，我必须将推理和反向传播分开:我必须推断所有图像和切片输出为批，然后是批后传播批。我不需要更新我的网络权重。
浏览 0修改于2021-06-17得票数 6
回答已采纳
我已经使用sagemaker训练了我的图像分类模型，并使用端点进行了部署。我还创建了一个接受图像的网页。此外，我还能够创建api。我不确定如何创建lambda函数来接受图像并对图像执行推断。
浏览 11修改于2020-09-20得票数 0
为此，我需要在没有注释的图像数据集上运行推断。detectron2方法register_coco_instances和load_coco_json需要带有注释的图像来正确标记预测的对象。如果不是，使用没有注释的基本图像信息生成或 JSON文件的最简单方法是什么？
浏览 9修改于2021-12-02得票数 0
回答已采纳
serving_default_input:0", input}}, { "StatefulPartitionedCall:0"});
我想要load multiple images (在下面的代码中，我使用一个克隆的图像作为第二个映像如何将多个图像(vector< cv::Mat >)加载到张量并使用其相应的输出？换句话说，我需要一个batch inference using cppflow library示例。
浏览 6修改于2021-07-14得票数 3
说到这里，我想做一些特别的测试，看看当我给模型提供特定的图像时，模型的性能如何。我尝试执行类似Images.load("/Users/logankilpatrick/Desktop/train/dog.10697.jpg")的操作来加载图像，然后将其直接传递给模型，但我得到了inout加载图像的正确方式是什么？
浏览 37提问于2021-11-23得票数 1
回答已采纳
我使用Python2.7，MXNet V1.3.0ML框架在ONNX格式的图像分类模型(V1.2.1，opset 7)上运行推理，其中我一次向推断器提供一幅图像。我需要做什么来异步运行多个镜像的推理，同时还要等待它们全部完成？ 我正在提取帧作为.jpeg图像从视频在30帧每秒。举个例子，当我在一个长度为20s的视频上运行这个过程时，它会生成600张.jpeg图像。现在，我遍历这些图像的列表，并将每个图像的相对路径传递给下面的函数，该函数随后从目标<em
浏览 7提问于2019-04-08得票数 1
回答已采纳
首先，这个问题与神经网络推理有关，而不是训练。我发现，当在GPU (例如P100)上一次又一次地对一幅图像进行训练的神经网络进行推理时，Tensorflow计算能力的利用率不是100%，而是70%左右。如果图像不必传输到GPU，情况也是如此。
浏览 0提问于2018-11-10得票数 0
安卓系统支持TensorFlow吗？TensorFlow的安卓示例可以移植到运行安卓的东西上吗？如果是的话，最简单的方法是什么？
浏览 0提问于2017-02-28得票数 3
我试图使用aws-cli/1.11.175.将存储在本地文件系统中的JPG或PNG图像上传到命令行上的存储在S3中的图像工作得非常好，但是如果文件是本地存储的，我不知道CLI调用应该是什么样的：
# aws和我也理解，图像应该是base64编码的。但是，无论我尝试什么，我最终都会收到以下错误消息。如何将存储在文件系统中的图像传递给Rekognition，而不需要首先将其复制到S3桶中？--image选项应该是什么样的呢？
浏览 3修改于2017-10-29得票数 5
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号