Mi objetivo es clasificar continuamente imágenes .jpg provenientes de una transmisión de video.

Para hacerlo, acabo de modificar elEjemplo de label_image.py.

Estoy cargando el gráfico y abriendo las sesiones de antemano. Entonces solo estoy ejecutando el siguiente código en un bucle:

t = read_tensor_from_image_file(file_name,
                                input_height=input_height,
                                input_width=input_width,
                                input_mean=input_mean,
                                input_std=input_std)


input_operation = graph.get_operation_by_name(input_name);
output_operation = graph.get_operation_by_name(output_name);

results = sess2.run(output_operation.outputs[0],
                  {input_operation.outputs[0]: t}
                  )

results = np.squeeze(results)

top_k = results.argsort()[-5:][::-1]
labels = load_labels(label_file)

Funciona bien durante unos minutos, pero el problema es que cada ciclo la clasificación se ralentiza progresivamente. Va de medio segundo a unos segundos en un minuto. El uso de mi memoria también está aumentando lentamente, aproximadamente un aumento de 1 MB cada 3 segundos.

Si clasifico una sola imagen varias veces, dejando de lado "read_tensor_from_image_file", no obtengo este error.

Entonces, algo en el código de carga de la imagen debe ocupar más espacio cada vez, no borrarse correctamente:

def read_tensor_from_image_file(file_name, input_height=192, input_width=192,
                                input_mean=0, input_std=255):
  input_name = "file_reader"
  output_name = "normalized"
  file_reader = tf.read_file(file_name, input_name)
  if file_name.endswith(".png"):
    image_reader = tf.image.decode_png(file_reader, channels = 3,
                                       name='png_reader')
  elif file_name.endswith(".gif"):
    image_reader = tf.squeeze(tf.image.decode_gif(file_reader,
                                                  name='gif_reader'))
  elif file_name.endswith(".bmp"):
    image_reader = tf.image.decode_bmp(file_reader, name='bmp_reader')
  else:
    image_reader = tf.image.decode_jpeg(file_reader, channels = 3,
                                        name='jpeg_reader')
  float_caster = tf.cast(image_reader, tf.float32)
  dims_expander = tf.expand_dims(float_caster, 0);
  resized = tf.image.resize_bilinear(dims_expander, [input_height, input_width])
  normalized = tf.divide(tf.subtract(resized, [input_mean]), [input_std])

  result = sess1.run(normalized)


  return result

Cada sugerencia es muy apreciada, estoy totalmente atascado en esta.

Estoy usando python 3.4.2 con tensorflow 1.1.0 en una frambuesa pi con raspbian jessie.

Muchas gracias !