如何在TensorFlow中導入模型

Question

我在恢復保存的模型時遇到困難。我培養了CNN的MNIST數據集，所有根據MNIST教程Deep MNIST for Experts，我救了我的模型下面的代碼：

saver.save(sess, './Tensorflow_MNIST', global_step=max_steps) 

這將創建下列文件：

• Tensorflow_MNIST- 1000.data 00000-的-00001
• Tensorflow_MNIST-1000.index
• Tensorflow_MNIST-1000.meta
• 關卡

後來我想加載模型，並繼續訓練：

with tf.Session() as sess: 
new_saver = tf.train.import_meta_graph('./Tensorflow_MNIST-1000.meta') 
new_saver.restore(sess, './Tensorflow_MNIST-1000') 

batch_xs, batch_ys = mnist.train.next_batch(50) 
sess.run(train_step, feed_dict[x: batch_xs, y_batch_ys, keep_prob:0.5]) 

然而，這會返回一個錯誤：

NameError: name 'train_step' is not defined 

所以看起來像圖和它的變量和操作未正確加載。我在這裏做錯了什麼？

Answer 1

當使用saver.save() TensorFlow保存由Tensors（即TensorFlow的對象）組成的計算圖。

它不會保存每您使用的變量。特別是，不會保存所有而不是 a tf.Tensor。

您可能希望擁有自己的數據結構來保存其他任何信息。

您可以使用JSON格式以方便使用，甚至可以使用pickle，這在Python中非常簡單，但不能手工編輯。

希望它有助於

Answer 2

時節省：

saver = tf.train.Saver(...variables...) 
# Remember the training_op we want to run by adding it to a collection. 
tf.add_to_collection('train_step', train_step) 

恢復時：

with tf.Session() as sess: 
    .... 

    # tf.get_collection() returns a list. get the first one 
    train_step = tf.get_collection('train_step')[0] 
    sess.run(train_step, ....) 

，如果你想重新使用該模型，我想改變sess.run(train_step...)到 train_step(...)應該工作

Answer 3

調用所有帶「」和「0」的張量如import meta_graph所述那樣添加似乎可以做到。因此，例如，計算精度的呼叫變爲：

test_accuracy = sess.run("accuracy:0", feed_dict={"x:0": mnist.test.images, "y_:0": mnist.test.labels, "keep_prob:0": 1.0})