寫這個(gè)博客的關(guān)鍵Bug: Value passed to parameter 'input' has DataType uint8 not in list of allowed values: float16, bfloat16, float32, float64。本博客將圍繞 加載圖片 和 保存圖片到本地 來詳細(xì)解釋和解決上述的Bug及其引出來的一系列Bug。

加載圖片

首先，造成上述Bug的代碼如下所示

image_path = "data/test.jpg" # 本地的測(cè)試圖片
 
image_raw = tf.gfile.GFile(image_path, 'rb').read()
# 一定要tf.float()，否則會(huì)報(bào)錯(cuò)
image_decoded = tf.image.decode_jpeg(image_raw)
 
# 擴(kuò)展圖片的維度，從三維變成四維，符合Vgg19的輸入接口
image_expand_dim = tf.expand_dims(image_decoded, 0)
 
# 定義Vgg19模型
vgg19 = VGG19(data_path)
net = vgg19.feed_forward(image_expand_dim, 'vgg19')
print(net)

上述代碼是加載Vgg19預(yù)訓(xùn)練模型，并傳入圖片得到所有層的特征圖，具體的代碼實(shí)現(xiàn)和原理講解可參考我的另一篇博客：Tensorflow加載Vgg預(yù)訓(xùn)練模型。那么，為什么代碼會(huì)出現(xiàn)： Value passed to parameter 'input' has DataType uint8 not in list of allowed values: float16, bfloat16, float32, float64，這個(gè)Bug呢？

這句英文翻譯過來是指：傳遞的值類型是uint8，但是接受的參數(shù)類型必須是float的那幾種。故原因就是傳入值的數(shù)據(jù)類型錯(cuò)了，那么如何解決這個(gè)Bug呢，很簡(jiǎn)單

image_path = "data/test.jpg" # 本地的測(cè)試圖片
 
image_raw = tf.gfile.GFile(image_path, 'rb').read()
# 一定要tf.float()，否則會(huì)報(bào)錯(cuò)
image_decoded = tf.to_float(tf.image.decode_jpeg(image_raw))
 
# 擴(kuò)展圖片的維度，從三維變成四維，符合Vgg19的輸入接口
image_expand_dim = tf.expand_dims(image_decoded, 0)
 
# 定義Vgg19模型
vgg19 = VGG19(data_path)
net = vgg19.feed_forward(image_expand_dim, 'vgg19')
print(net)

這兩個(gè)代碼塊唯一的變動(dòng)就是：image_decoded結(jié)果在輸出前加了一個(gè)tf.float()，將其轉(zhuǎn)換為float類型。

在tensorflow API中，tf.image.decode_jpeg()默認(rèn)讀取的圖片數(shù)據(jù)格式為unit8，而不是float。uint8數(shù)據(jù)的范圍在(0, 255)中，正好符合圖片的像素范圍(0, 255)。但是，保存在本地的Vgg19預(yù)訓(xùn)練模型的數(shù)據(jù)接口為float，所以才造成了本文開頭的Bug。

這里還要提一點(diǎn)，若是使用PIL的方法來加載圖片，則不會(huì)出現(xiàn)上述的Bug，因?yàn)橥ㄟ^PIL得到的圖片格式是float，而不是uint8，故不需要轉(zhuǎn)換。

很多同學(xué)可能會(huì)疑惑，若是強(qiáng)行改變了原圖片的數(shù)據(jù)格式，從uint8類型轉(zhuǎn)變成float，會(huì)不會(huì)導(dǎo)致數(shù)據(jù)改變或者出錯(cuò)？故我做了下面這個(gè)實(shí)驗(yàn)：

image_path = "data/3.jpg"
image_raw = tf.gfile.GFile(image_path, 'rb').read()
image_unit8 = tf.image.decode_jpeg(image_raw)
image_float = tf.to_float(image_unit8)
 
with tf.Session() as sess:
 image_unit8_, image_float_ = sess.run([image_unit8, image_float])
 
print("image_unit8_", image_unit8_)
print("image_float_ ", image_float_ )

代碼結(jié)果如下：

 image_unit8_
 [180, 192, 204],
 [183, 195, 207],
 [186, 198, 210],
 ...,
 [191, 205, 218],
 [191, 205, 218],
 [190, 204, 217]],
 
 image_float_ 
 [180., 192., 204.],
 [183., 195., 207.],
 [186., 198., 210.],
 ...,
 [191., 205., 218.],
 [191., 205., 218.],
 [190., 204., 217.]],

可以看到，數(shù)據(jù)根本沒有變化，只是后面多加了個(gè)小數(shù)點(diǎn)，變得只有類型，而沒有強(qiáng)制改變值，故同學(xué)們不需要過度擔(dān)心。

保存圖片到本地

在加載圖片的時(shí)候，為了使用保存在本地的預(yù)訓(xùn)練Vgg19模型，我們需要將讀取的圖片由uint8格式轉(zhuǎn)換成float格式。那若是我們想將已經(jīng)轉(zhuǎn)換為float格式的圖片再保存到本地，該怎么做呢？

首先，我們根據(jù)上述的文字的意思讀取圖片，并且將其轉(zhuǎn)換為float格式，在將讀取的圖片再次保存到本地之前，我們首先可視化一下轉(zhuǎn)換格式后的圖片，代碼如下：

import tensorflow as tf
from matplotlib import pyplot as plt
image_path = "data/boat.jpg"
 
image_raw = tf.gfile.GFile(image_path, 'rb').read()
image_decoded = tf.image.decode_jpeg(image_raw)
image_decoded = tf.to_float(image_decoded)
 
with tf.Session() as sess:
 image_decoded_ = sess.run(image_decoded)
 plt.imshow(image_decoded_)
 plt.show()

生成的圖片如下圖所示：

左邊是原圖，右邊是轉(zhuǎn)換為float格式的圖片，可見將圖片轉(zhuǎn)換為float格式，雖然數(shù)值沒有造成太大影響，但是若想將圖片保存到本地就會(huì)出現(xiàn)問題。

說了這么多，只為了說一點(diǎn)，在保存圖片到本地之前，需要將其格式從float轉(zhuǎn)回uint8，否則會(huì)造成一系列錯(cuò)誤：圖片顯示異常，API報(bào)錯(cuò)等。正確的保存代碼如下：

save_path = "data/boat_copy.jpg"
image_uint = tf.cast(image_decoded, tf.uint8)
with tf.Session() as sess:
 with open(save_path, 'wb') as img:
 image_saved = sess.run(tf.image.encode_jpeg(image_uint))
 img.write(image_saved)

其中只有一句話最關(guān)鍵，即 tf.cast(image_decoded, tf.uint8)。

以上這篇淺談Tensorflow加載Vgg預(yù)訓(xùn)練模型的幾個(gè)注意事項(xiàng)就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。