我是tensorflow的初学者。 yolo_模型.predict返回张量。但是当我使用cpu_nms时,我需要将pred_框和pred_分数转换为ndarray。 我尝试过使用.eval(),但遇到了一些失败的错误
'''
img = np.asarray(img, np.float32)
img = img[np.newaxis, :] / 255.
with tf.Session() as sess:
input_data = tf.placeholder(tf.float32, [1, args.new_size[1], args.new_size[0], 3], name='input_data')
yolo_model = yolov3(args.num_class, args.anchors)
with tf.variable_scope('yolov3'):
pred_feature_maps = yolo_model.forward(input_data, False)
pred_boxes, pred_confs, pred_probs = yolo_model.predict(pred_feature_maps)
pred_scores = pred_confs * pred_probs
# pred_boxes = pred_boxes.eval()
# pred_scores = pred_scores.eval()
boxes, scores, labels = cpu_nms(pred_boxes, pred_scores, args.num_class, max_boxes=200, score_thresh=0.3, iou_thresh=0.45)
saver = tf.train.Saver()
saver.restore(sess, args.restore_path)
boxes_, scores_, labels_ = sess.run([boxes, scores, labels], feed_dict={input_data: img})
''' 谢谢
如果要提取变量张量,然后将其转换为数组,那么下面是不同版本的tensorflow的示例
如果您希望提取tensorflow 1.14版或其他支持会话的版本中的值,则下面是一个示例-
输出将为-
如果您希望提取tensorflow 2.1版或其他支持tensor打印的版本中的值,则以下是一个示例-
输出将为-
注意:有符号张量和变量张量,您可以理解它们之间的区别-Symbolic Tensor Vs Variable Tensor
相关问题 更多 >
编程相关推荐