[model_info['input_height'], model_info['input_width']])
resize_shape_as_int = tensorflow.cast(resize_shape, dtype=tensorflow.int32)
resized_image = tensorflow.image.resize_bilinear(decoded_image_4d,
resize_shape_as_int)
offset_image = tensorflow.subtract(resized_image, model_info['input_mean'])
mul_image = tensorflow.multiply(offset_image,
1.0 / model_info['input_std'])
return jpeg_data, mul_image
if __name__ == '__main__':
# Criando o grafo modelo
graph, bottleneck_tensor, tensor_entrada_redimensionado, model_info = CNN.Cria_Grafo_Modelo(
)
#Pega a lista de imagens para treinamento.
lista_imagens, ground_truths = Treinamento.Cria_Lista_Treinamento()
# Iniciando a sessao TensorFlow com o grafo criado
with tensorflow.Session(graph=graph) as sessao:
# Criando Decodificadores JPEG
tensor_dados_jpeg, tensor_decodificador_imagem = Adiciona_Decodificadores_jpeg(
model_info)
#Criacao do cache de bottleneck
if sys.argv[1] == 'rebuild_bottleneck':
Bottleneck.Refaz_Todo_Bottleneck(sessao, lista_imagens,
tensor_dados_jpeg,
