質問編集履歴

追記

2021/10/21 08:52

投稿

Kawasaki02021

スコア1

test CHANGED Viewed

File without changes

test CHANGED Viewed

@@ -10,22 +10,20 @@
 実行したモデルはVGG16を用いて学習させました。
-原因は恐らく該当ソースコードとモデルの構造が一致していないことが原因と考えているのですが、
-学習モデルをこれにどう対応させていいのかが分からないです。
 このエラー自体の解決方法などご助言などいただければ幸いです。
 よろしくお願いします。
+[追記]
+画像分類のコードが以下のリンクにあるutils.pyで動いています。その中の466行目から486行目でckptファイルの読み込みを行っています。
+[https://github.com/totti0223/deepstomata/blob/master/deepstomata/utils.py](https://github.com/totti0223/deepstomata/blob/master/deepstomata/utils.py)
+ここのサイト[https://louis-needless.hatenablog.com/entry/notfounderror-bully-me](https://louis-needless.hatenablog.com/entry/notfounderror-bully-me)を参考にarg_scopeをutils.pyの467行目に入れて行いましたが、上手くいきませんでした。
 ### 発生している問題・エラーメッセージ
 ```
 >>> from deepstomata import *
@@ -150,145 +148,77 @@
 ```python
-import tensorflow as tf
-from math import sqrt
-MOVING_AVERAGE_DECAY = 0.9999
-def tf_inference(images, BATCH_SIZE, image_size, NUM_CLASSES):
-    def _variable_with_weight_decay(name, shape, stddev, wd):
-        var = tf.get_variable(name, shape=shape, initializer=tf.truncated_normal_initializer(stddev=stddev))
-        if wd:
-            weight_decay = tf.mul(tf.nn.l2_loss(var), wd, name='weight_loss')
-            tf.add_to_collection('losses', weight_decay)
-        return var
-    def _activation_summary(x):
-        tensor_name = x.op.name
-        tf.scalar_summary(tensor_name + '/sparsity', tf.nn.zero_fraction(x))
-    with tf.variable_scope('conv1') as scope:
-        kernel = tf.get_variable('weights', shape=[3, 3, 3, 32], initializer=tf.truncated_normal_initializer(stddev=0.1))
-        conv = tf.nn.conv2d(images, kernel, [1, 1, 1, 1], padding='SAME')
-        biases = tf.get_variable('biases', shape=[32], initializer=tf.constant_initializer(0.0))
-        bias = tf.nn.bias_add(conv, biases)
-        conv1 = tf.nn.relu(bias, name=scope.name)
-    pool1 = tf.nn.max_pool(conv1, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='SAME', name='pool1')
-    with tf.variable_scope('conv2') as scope:
-        kernel = tf.get_variable('weights', shape=[3, 3, 32, 64], initializer=tf.truncated_normal_initializer(stddev=0.1))
-        conv = tf.nn.conv2d(pool1, kernel, [1, 1, 1, 1], padding='SAME')
-        biases = tf.get_variable('biases', shape=[64], initializer=tf.constant_initializer(0.0))
-        bias = tf.nn.bias_add(conv, biases)
-        conv2 = tf.nn.relu(bias, name=scope.name)
-    pool2 = tf.nn.max_pool(conv2, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='SAME', name='pool2')
-    with tf.variable_scope('conv3') as scope:
-        kernel = tf.get_variable('weights', shape=[3, 3, 64, 128], initializer=tf.truncated_normal_initializer(stddev=0.1))
-        conv = tf.nn.conv2d(pool2, kernel, [1, 1, 1, 1], padding='SAME')
-        biases = tf.get_variable('biases', shape=[128], initializer=tf.constant_initializer(0.0))
-        bias = tf.nn.bias_add(conv, biases)
-        conv3 = tf.nn.relu(bias, name=scope.name)
-    pool3 = tf.nn.max_pool(conv3, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='SAME', name='pool3')
-    with tf.variable_scope('conv4') as scope:
-        kernel = tf.get_variable('weights', shape=[3, 3, 128, 256], initializer=tf.truncated_normal_initializer(stddev=0.1))
-        conv = tf.nn.conv2d(pool3, kernel, [1, 1, 1, 1], padding='SAME')
-        biases = tf.get_variable('biases', shape=[256], initializer=tf.constant_initializer(0.0))
-        bias = tf.nn.bias_add(conv, biases)
-        conv4 = tf.nn.relu(bias, name=scope.name)
-    pool4 = tf.nn.max_pool(conv4, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='SAME', name='pool4')
-    with tf.variable_scope('fc5') as scope:
-        dim = 1
-        for d in pool4.get_shape()[1:].as_list():
-            dim *= d
-        reshape = tf.reshape(pool4, [BATCH_SIZE, dim])
-        weights = _variable_with_weight_decay('weights', shape=[dim, 1024], stddev=0.02, wd=0.005)
-        biases = tf.get_variable('biases', shape=[1024], initializer=tf.constant_initializer(0.0))
-        fc5 = tf.nn.relu(tf.nn.bias_add(tf.matmul(reshape, weights), biases), name=scope.name)
-    with tf.variable_scope('fc6') as scope:
-        weights = _variable_with_weight_decay('weights', shape=[1024, 256], stddev=0.02, wd=0.005)
-        biases = tf.get_variable('biases', shape=[256], initializer=tf.constant_initializer(0.0))
-        fc6 = tf.nn.relu(tf.nn.bias_add(tf.matmul(fc5, weights), biases), name=scope.name)
-    with tf.variable_scope('fc7') as scope:
-        weights = tf.get_variable('weights', shape=[256, NUM_CLASSES], initializer=tf.truncated_normal_initializer(stddev=0.02))
-        biases = tf.get_variable('biases', shape=[NUM_CLASSES], initializer=tf.constant_initializer(0.0))
-        fc7 = tf.nn.bias_add(tf.matmul(fc6, weights), biases, name=scope.name)
-    return fc7
+with vgg.arg_scope(arg_scope):
+    net, end_points = vgg.vgg_16.vgg_16_50(input=input)
+def stomata_stat_batch_classify(image, region_number, ckpt_path):
+    '''
+    input
+        image : image read by scipy. imread if by opencv, bgr to rgb must be performed
+        ckpt_path : checkpoint absolute path
+    output
+        most likely stat of stomata, confidential level of most likely stat of stomata
+    '''
+    DST_INPUT_SIZE = 56
+    NUM_CLASS = 4
+    tf.reset_default_graph()
+    image = tf.reshape(image, [-1, DST_INPUT_SIZE, DST_INPUT_SIZE, 3])
+    logits = stomata_model.tf_inference(image, region_number, DST_INPUT_SIZE, NUM_CLASS)
+    sess = tf.InteractiveSession()
+    saver = tf.train.Saver()
+    sess.run(tf.global_variables_initializer())
+    if ckpt_path:
+        saver.restore(sess, ckpt_path)
+    softmax = tf.nn.softmax(logits).eval()
+    results = [[None for _ in range(2)] for _ in range(region_number)]
+    q = 0
+    for logit in softmax:
+        logit = [round(n * 100, 1) for n in logit]
+        logit = np.asarray(logit)
+        result = [["open", logit[0]], ["closed", logit[1]], ["partially_open", logit[2]], ["false_positive", logit[3]]]
+        result = sorted(result, key =lambda x: int(x[1]), reverse = True)
+        results[q][0] = result[0][0]
+        results[q][1] = result[0][1]
+        q += 1
+    #print ("\t",results)
+    return results
 ```
@@ -325,3 +255,5 @@
 pandas     0.25.3
 numpy      1.15.2
+原因は恐らく[ここ](https://github.com/totti0223/deepstomata/blob/master/deepstomata/stomata_model.py)のコードとモデルの構造が一致していないことが原因と考えているのですが、学習モデルをこれにどう対応させていいのかが分からないです。

文言の修正

2021/10/21 08:52

投稿

Kawasaki02021

スコア1

test CHANGED Viewed

	@@ -1 +1 @@
1	- ckptファイル復元（Tensor name "xxx" not found in checkpoint files)~~について~~
1	+ ckptファイル復元（Tensor name "xxx" not found in checkpoint files)ができません

test CHANGED Viewed

@@ -18,6 +18,10 @@
 よろしくお願いします。
 ### 発生している問題・エラーメッセージ

タイトルの変更

2021/10/21 08:21

投稿

Kawasaki02021

スコア1

test CHANGED Viewed

	@@ -1 +1 @@
1	- Tensor name "xxx" not found in checkpoint filesについて
1	+ ckptファイル復元（Tensor name "xxx" not found in checkpoint files)について

test CHANGED Viewed

File without changes

質問に若干の変更を加えました

2021/10/21 08:10

投稿

Kawasaki02021

スコア1

test CHANGED Viewed

File without changes

test CHANGED Viewed

@@ -6,13 +6,15 @@
 [https://github.com/totti0223/deepstomata](https://github.com/totti0223/deepstomata)
+モデルが上手く復元できてないようです。
 実行したモデルはVGG16を用いて学習させました。
 原因は恐らく該当ソースコードとモデルの構造が一致していないことが原因と考えているのですが、
 学習モデルをこれにどう対応させていいのかが分からないです。
-ご助言などいただければ幸いです。
+このエラー自体の解決方法などご助言などいただければ幸いです。
 よろしくお願いします。