今早在GitHub上收到一則issue,發(fā)信人為Suaro。
Suaro希望使用OpenCV來實(shí)現(xiàn)模型加載與推演,但是沒有成功,因此開了issue尋求我的幫助。
現(xiàn)場(chǎng)圍觀該Issue:
https://github.com/yinguobing/facial-landmark-detection-hrnet/issues/3
說實(shí)話這個(gè)功能并沒有在我最初的考慮范圍內(nèi)。該項(xiàng)目所遵守的開源協(xié)議意味著我沒有義務(wù)去解決這個(gè)問題。但是,Suaro提issue的方式在我看來是非常值得贊許與推廣的。所以,我不僅幫TA解決了issue,還要以此為樣本,與大家分享下一些提issue時(shí)的注意事項(xiàng)。
首先,我們先解決OpenCV加載模型的問題。
使用OpenCV加載模型
OpenCV在3.0的版本時(shí)引入了一個(gè)dnn模塊,實(shí)現(xiàn)了一些基本的神經(jīng)網(wǎng)絡(luò)模型layer。在最新的4.5版本中,dnn模塊使用函數(shù) readNet 實(shí)現(xiàn)模型加載。不過根據(jù)官方解釋,OpenCV不支持TensorFlow所推薦的模型保存格式 saved_model 。所以在加載模型之前,模型需要首先被凍結(jié)。
凍結(jié)網(wǎng)絡(luò)
在之前的文章“TensorFlow如何凍結(jié)網(wǎng)絡(luò)模型”中介紹過了凍結(jié)網(wǎng)絡(luò)的具體含義以及原理。但是在TensorFlow2中網(wǎng)絡(luò)凍結(jié)似乎被棄用了,文中提到的凍結(jié)腳本也無(wú)法使用。幸運(yùn)的是,網(wǎng)絡(luò)凍結(jié)的原理仍然有效,而且OpenCV作者提供了一小段示例樣本展示了凍結(jié)網(wǎng)絡(luò)的方法如下:
importtensorflowastffrom tensorflow.python.framework.convert_to_constants import convert_variables_to_constants_v2# Load the model from saved_model.loaded=tf.saved_model.load('my_model')infer=loaded.signatures['serving_default']f=tf.function(infer).get_concrete_function(input_1=tf.TensorSpec(shape=[None,256,256,3],dtype=tf.float32))f2=convert_variables_to_constants_v2(f)graph_def=f2.graph.as_graph_def()#Exportfrozengraphwithtf.io.gfile.GFile('frozen_graph.pb','wb')asf:f.write(graph_def.SerializeToString())
凍結(jié)TensorFlow2模型的示例代碼,作者:Dmitry Kurtaev
在這段代碼中,模型的推演功能被包裹在 tf.function 中,構(gòu)建了靜態(tài)圖。然后通過 convert_variables_to_constant_v2 將變量轉(zhuǎn)換為常量,并將最終獲得的 graph_def 寫入單獨(dú)的protobuf文件。
加載并推演
網(wǎng)絡(luò)凍結(jié)完成后,并可以使用OpenCV加載推演了。示例代碼如下:
import numpy as npimportcv2ascv net=cv.dnn.readNet('frozen_graph.pb')inp=np.random.standard_normal([1,3,256,256]).astype(np.float32)net.setInput(inp)out=net.forward()print(out.shape)
OpenCV加載模型的示例代碼,作者:Dmitry Kurtaev
Issue順利解決。 注意TensorFlow版本為2.3.1。OpenCV版本4.5.0。
接下來我們來談?wù)勅绾翁醝ssue。
Issue是什么
Issue在中文環(huán)境下多譯為“問題”,而且是那種可能造成反復(fù)糾纏、難以解決的問題例如社會(huì)問題(social issue)。電視劇“神盾局特工”中的“反派”局長(zhǎng)也曾用這個(gè)詞來調(diào)侃Daisy。
實(shí)際上,這個(gè)詞在現(xiàn)代制造業(yè)中也經(jīng)常會(huì)遇到。在我工作的第一家公司中,每個(gè)項(xiàng)目在啟動(dòng)前都會(huì)組織不同維度與形式的技術(shù)研討,核心就是可能會(huì)遇到的“技術(shù)issue”。而且項(xiàng)目一旦進(jìn)入實(shí)質(zhì)性質(zhì)的試生產(chǎn)流片階段,大家最害怕出現(xiàn)的也是issue。它通常意味著加班、業(yè)績(jī)壓力以及可能的推倒重來。
軟件行業(yè)中,issue這個(gè)詞常被用來指代計(jì)算機(jī)程序使用過程中出現(xiàn)的異常表現(xiàn)。因此源代碼托管平臺(tái)GitHub專門為每一個(gè)項(xiàng)目提供了一個(gè)專門的討論空間,供代碼的使用者提出自己遇到的issue使用。這個(gè)區(qū)域在UI界面上緊挨著源代碼,其重要性可見一斑。
圖源:作者GitHub頁(yè)面截圖
造成Issue的原因
程序的異常行為背后可能存在多種原因,有可能是代碼中存在的錯(cuò)誤,也有可能是使用者的不當(dāng)操作造成。例如一臺(tái)微波爐無(wú)法加熱食物,可能是磁控管故障,也有可能是沒插電源。面對(duì)“無(wú)法加熱”這個(gè)現(xiàn)象,找到其背后的原因是解決issue的關(guān)鍵。這時(shí)候,提issue的方式在某種程度上直接決定了問題解決的速度。根據(jù)我的觀察,一個(gè)優(yōu)秀的issue提出者能夠做到以下幾點(diǎn)。
嘗試解決問題
如果你家的微波爐不工作了,大部分人的第一反應(yīng)可能會(huì)去檢查電源線是不是沒有插上。這就是在嘗試解決問題。理論上越是成熟的項(xiàng)目代碼,發(fā)生故障的概率越低。一旦異常事件發(fā)生了,首先要嘗試排除最可能發(fā)生的狀況。畢竟因?yàn)樗蓜?dòng)的電源線叫廠家的維修人員上門服務(wù),除了費(fèi)用不說,主要是耽誤自己的午餐。
嘗試解決問題的手段因每個(gè)人的能力不同而不同。在保證安全的前提下盡力即可。例如本次提issue的小伙伴就詳細(xì)的描述了TA已經(jīng)嘗試過的方案,而且以列表的形式一一列出,這無(wú)疑顯示了TA的誠(chéng)意,是加分項(xiàng)。
逐條列出已經(jīng)嘗試過的方案
反過來,如果issue提出者上來就說“XXX不能用,該怎么辦呀”,這樣多多少少顯得有些伸手黨,不過也沒什么大不了,只要TA能做到——
準(zhǔn)確描述現(xiàn)象
這是最常見的現(xiàn)象,不僅僅是issue區(qū)域,在生活中也隨處可見。當(dāng)問題出現(xiàn)時(shí),無(wú)法使用語(yǔ)言傳遞準(zhǔn)確的有價(jià)值信息。同樣是微波爐的例子,以下是兩種不同的表述:
A:我家的微波爐壞了,咋辦呀?
B:我家的微波爐不工作了,大火力加熱兩分鐘,指示燈不亮,微波爐不響,食物不熱。電源插好了,可能是什么原因呀?
準(zhǔn)確描述現(xiàn)象的最大好處在于這樣做可以盡可能的排除各種導(dǎo)致故障的可能性。最為廠家售后人員,如果你聽到的是第一種回答,你多半會(huì)要求用戶檢查電源線是否插好。而第二種回答顯然已經(jīng)排除了這種可能性,甚至可以初步估計(jì)出故障的嚴(yán)重程度已經(jīng)超過了普通用戶的解決能力。這無(wú)疑有利于問題盡快解決。
代碼issue與之類似,當(dāng)問題出現(xiàn)時(shí),在issue中要盡可能的描述出具體的現(xiàn)象。一個(gè)糟糕的描述可能是:
A: 我的代碼奔潰了,是什么原因呀?
而一個(gè)優(yōu)秀的描述則是:
B: 我在執(zhí)行 python3 train.py --batch_size=32 的時(shí)候訓(xùn)練中斷了,并且顯示錯(cuò)誤信息 ValueError ...
代碼的錯(cuò)誤信息就像是微波爐上的指示燈,它可以提供非常有用的信息幫助排除錯(cuò)誤發(fā)生的原因。解決代碼的錯(cuò)誤需要“抓現(xiàn)行”,也就是要讓程序在你眼前奔潰給你看。這也是為什么幾乎所有的代碼作者要求提issue的時(shí)候附上導(dǎo)致錯(cuò)誤出現(xiàn)的具體指令或者示例代碼。
這一點(diǎn)Suaro就做得很好。TA在issue中附上了完整的錯(cuò)誤信息:
在issue中附上具體的錯(cuò)誤信息
一般來說,做到這種程度解決該issue就有希望了。如果是代碼問題,多半會(huì)修復(fù)。如果該issue無(wú)法復(fù)現(xiàn),那有可能不是代碼問題,此時(shí)代碼作者多半會(huì)要求你——
提供必要信息
實(shí)際上這是最基礎(chǔ)的要求,但往往是最先被忽略的部分。繼續(xù)拿廣受歡迎的微波爐舉例。作為廠家的售后人員,當(dāng)你要求客戶提供微波爐的型號(hào)代碼后,你有可能會(huì)發(fā)現(xiàn)用戶買的其實(shí)根本就不是微波爐,而是洗碗機(jī)!
這一問題在軟件行業(yè)更加突出。一是因?yàn)橥粋€(gè)軟件可能存在多版本并存的現(xiàn)象。例如OpenCV就有2.x, 3.x和4.x這三個(gè)主版本分支。TensorFlow也有1和2兩個(gè)主版本。除此以外,現(xiàn)今軟件更迭速度前所未有的迅速,nightly(每日更新)也不罕見。如果把git commit算進(jìn)去那更是多如牛毛。所以issue可能是由于版本不兼容造成的。
所以,我強(qiáng)烈建議在提issue時(shí)一定要附上自己所使用的環(huán)境信息。實(shí)際上,GitHub已經(jīng)內(nèi)置了issue模板,將必要的信息嵌入進(jìn)去,用戶提issue就像是在做選擇題一樣。
TensorFlow提供的issue模板
Suaro在issue中并沒有附上這部分信息。這種情況下我會(huì)默認(rèn)TA使用的環(huán)境信息與我在README文件中的一致。當(dāng)然,反過來考慮,當(dāng)代碼作者的環(huán)境與README不同時(shí),也需要在issue回復(fù)中明示。
我在issue回復(fù)時(shí)標(biāo)明了版本信息
交流溝通的能力
寫了這么多關(guān)于issue的內(nèi)容,聰明的你應(yīng)該已經(jīng)看出來了。Issue只是表面形式,內(nèi)里的核心是溝通與交流。有誠(chéng)意的、有效率的溝通與交流是每個(gè)人都應(yīng)該掌握的能力。工作中它有助于項(xiàng)目推進(jìn),生意中可以避免誤解與爭(zhēng)端,生活中可以讓你交到真心朋友。雖然目前的大環(huán)境對(duì)于真誠(chéng)交流的人不那么友好,但是,對(duì)于每一個(gè)真誠(chéng)的人,總會(huì)有另一份真誠(chéng)不負(fù)期望。
責(zé)任編輯:xj
原文標(biāo)題:使用OpenCV加載TensorFlow2模型
文章出處:【微信公眾號(hào):新機(jī)器視覺】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
-
OpenCV
+關(guān)注
關(guān)注
29文章
622瀏覽量
41091 -
GitHub
+關(guān)注
關(guān)注
3文章
461瀏覽量
16237 -
tensorflow
+關(guān)注
關(guān)注
13文章
327瀏覽量
60413
原文標(biāo)題:使用OpenCV加載TensorFlow2模型
文章出處:【微信號(hào):vision263com,微信公眾號(hào):新機(jī)器視覺】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論