张量流具体函数输出对应于structural_outputs？

问题描述

我使用 TensorFlow2对象检测API 训练了自定义的ssd_mobilenet_v2。
训练完成后，我使用exporter_main_v2.py导出了自定义模型的saved_model。

如果我通过TensorFlow2加载save_model，似乎有两种输出格式。

import tensorflow as tf
saved_model = tf.saved_model.load("saved_model")
detect_fn = saved_model["serving_default"]
print(detect_fn.outputs)
'''
[<tf.Tensor 'Identity:0' shape=(1,100) dtype=float32>,<tf.Tensor 'Identity_1:0' shape=(1,100,4) dtype=float32>,<tf.Tensor 'Identity_2:0' shape=(1,<tf.Tensor 'Identity_3:0' shape=(1,7) dtype=float32>,<tf.Tensor 'Identity_4:0' shape=(1,<tf.Tensor 'Identity_5:0' shape=(1,) dtype=float32>,<tf.Tensor 'Identity_6:0' shape=(1,1917,<tf.Tensor 'Identity_7:0' shape=(1,7) dtype=float32>]
'''
print(detect_fn.structured_outputs)
'''
{'detection_classes': TensorSpec(shape=(1,100),dtype=tf.float32,name='detection_classes'),'detection_scores': TensorSpec(shape=(1,name='detection_scores'),'detection_multiclass_scores': TensorSpec(shape=(1,7),name='detection_multiclass_scores'),'num_detections': TensorSpec(shape=(1,),name='num_detections'),'raw_detection_Boxes': TensorSpec(shape=(1,4),name='raw_detection_Boxes'),'detection_Boxes': TensorSpec(shape=(1,name='detection_Boxes'),'detection_anchor_indices': TensorSpec(shape=(1,name='detection_anchor_indices'),'raw_detection_scores': TensorSpec(shape=(1,name='raw_detection_scores')}
'''

然后，我尝试使用tf2onnx将此save_model转换为onnx格式。
但是，onnxruntime的输出是一个列表。
根据列表中结果的形状，我认为序列与detect_fn.outputs

相同

import numpy as np
import onnxruntime as rt

sess = rt.InferenceSession("model.onnx")
input_name = sess.get_inputs()[0].name
pred_onx = sess.run(None,{input_name: np.zeros((1,300,3),dtype=np.uint8)})
print(pred_onx) # a list
print([i.shape for i in pred_onx])
'''
[(1,(1,7)]
'''

由于某种形式的结果与其他形式相同，因此变得难以识别。
我可以参考任何有关这种关系的文件吗？

解决方法

我仔细查看了输出中的值。 我在下面找到了映射关系。

def result_mapper(outputs):
    result_dict = dict()
    result_dict["num_detections"] = outputs[5]
    result_dict["raw_detection_scores"] = outputs[7]
    result_dict["raw_detection_boxes"] = outputs[6]
    result_dict["detection_multiclass_scores"] = outputs[3]
    result_dict["detection_boxes"] = outputs[1]
    result_dict["detection_scores"] = outputs[4]
    result_dict["detection_classes"] = outputs[2]
    result_dict["detection_anchor_indices"] = outputs[0]
    return result_dict

,

有同样的问题，经过几个小时的调试后发现它们是......按排序顺序。确定迭代顺序的方法是here。

在 dict 实例的情况下，序列由值组成，按以下顺序排序 确保确定性行为的关键。