《Attention-based Extraction of Structured Information from Street View Imagery》代码复现记录ing

• • 0. 说明
  • 1. 本人环境
  • 2. import 爆红解决
  • 3. 代码解释
  • • 3.1 inception_preprocessing.py

​ 本文主要记录自己在复现《Attention-based Extraction of Structured Information from Street View Imagery》论文代码的一些坑。

​ （1）win10系统
​ （2）python3.6
​ （3）tensorflow1.15（gpu版本）
​ 一定记得切换tensorflow的版本，要不问题就非常多。

​ 在上述环境下，import爆红有很多：

​ （1）对于爆红1，是由于tensorflow版本问题导致，解决如下：
​ Step1: 在terminal中输入： pip install tf_slim
​ Step2: 在代码中输入下面代码进行替换，即可解决

import tf_slim as slim

​ （2）对于爆红2，将原来的代码替换成如下代码，即可解决

from tf_slim import model_analyzer

​ （3）对于爆红3，是找不到本地包，直接将路径写完整即可

from python import data_provider

​ 其他文件也会有些爆红，但基本都是以上几个错误，可利用上述方法进行解决。

3.1.1 def apply_with_random_selector(x, func, num_cases):
作用：该方法计算函数func(x, sel), sel从[0…cases-1]中取值。
（1）tf.random.uniform(): 从均匀分布的序列中随机取出指定个数的值

# 参数shape是张量形状，minval是最小值，maxval是最大值，dtype是类型，seed是随机种子，name是名称。
tf.random_uniform(shape,            # 张量形状
                  minval=0,         # 随机的下限值（包含）
                  maxval=None,      # 随机的上限值（不包含）
                  dtype=tf.float32, 
                  seed=None,        # 随机种子
                  name=None)	     

从均匀分布中输出随机值。生成的值遵循范围内的均匀分布 [minval, maxval)。下限minval包含在该范围内，而上限maxval是不包含的。eg：

r4 = tf.random_uniform([3], minval=3.0, maxval = 4.0)
print(sess.run(r4)) # r4 = [3.880138, 3.0414245, 3.4914312]

（2）control_flow_ops.switch(x, tf.equal(sel, case))
作用：用来选择数据的输出通道，如果pred为False则data从第一个输出，如果pred为True则数据从第二个输出。
返回值：(output_false,output_true)，如果pred为true就输出output_true，如果pred为false就输出output_false
参数解释见代码例子：

        output_false, output_true = control_flow_ops.switch(data=[1, 2, 3, 4],  # 需要被选择输出的tensor数据
                                                            pred=False)         # bool类型用来选择data的输出通道
        print(output_false.eval())
        output_false, output_true = control_flow_ops.switch([5, 6, 7, 8], True)
        print(output_true.eval())

输出：

[1 2 3 4] 因为pred=False,所以数据从output_false通道输出，下面同理
[5 6 7 8]