测试tensforflow的pb格式模型

主要是用来测试Vitis-AI量化前后的pb模型的mAP的，以此来预估量化损失
核心代码在https://github.com/Xilinx/Vitis-AI-Tutorials/tree/1.2/Design_Tutorials/07-ml-edge-YOLOv3/files/core可以找到
但是我不知道怎么准备测试所需的文件以及格式，我就写下我自己准备的过程吧。

1 准备一些测试图片放到一个文件夹里，使用下面的代码提取出图片名

#!/usr/bin/python
#coding:utf-8
import os
path_imgs = './test_dir/'#存放图片的文件夹
for files in os.listdir(path_imgs):
    print(files)
    img_path = path_imgs+ files
    with open("test_dir.txt", "a") as f:#保存图片名字的txt
        f.write(str(img_path) + '\n')

将图片名写在test_dir.txt里面

2 运行tf_prediction.py得到检测结果

这里需要用到pb文件权重（我的博客写了如何获取pb模型）和上一步得到的test_dir.txt，将检测结果写在detec_result.txt文件中。得到的结果是这样的

3 获取map

这里麻烦的是需要按照代码来准备需要的格式文件，上一步可以看出detec_result.txt内容格式为

image_name class_label score xmin ymin xmax ymax

我们要自己准备一个如下格式的groundtruth.txt的文本

image_name class_label xmin ymin xmax ymax

voc数据集的groundtruth内容是这样的

所以说只需要将image_name 与这些内容对应就好了，我写了一个脚本（写的很烂，好在功能可以实现）

import os
def hebing():
    path_imgs = './img/'#存放图片的文件夹
	groundtruth = r'input/ground-truth'#存放groundytruth文本的文件夹 
    list2 = []  # 图片名
    for i in os.listdir(path_imgs):
        list2.append(i.split('.')[0])
    num = 0
    for i in list2:
        for filename in os.listdir(groundtruth ):
            # print(r'E:\AI\ship/{0}'.format(filename))
            path = os.path.join(groundtruth , filename)
            f = open(path, 'r')
            lines = f.readlines()  # 内容
            for k in lines:
                img_path = list2[num] + ' ' + k#拼接图片名 + groundtruth中的内同
                print(img_path)
                with open("test_dir.txt", "a") as f:
                    f.write(str(img_path))
            num = num + 1
            continue
        continue

hebing()

运行完就得到了这样的结果

4 最后只需要运行evaluation.py就好了

结果是这样的

这个权重是我随便训练了十几轮的结果，图片我也只取了前200张，所以mAP比较低。