如何從恢復的模型中預測MLP張量流？

stackoverflowers，我需要張量專家的幫助。其實我已經建立了一個多層感知器，訓練它，測試它，並且一切都很好。但是，當我恢復模型並嘗試再次使用它時，其準確性不符合訓練模型，並且預測與真實標籤有很大不同。我用於恢復預測的代碼如下：（我正在使用R）如何從恢復的模型中預測MLP張量流？

pred <- multiLayerPerceptron(test_data) 
init <- tf$global_variables_initializer() 
with(tf$Session() %as% sess, { 
    sess$run(init) 
    model_saver$restore(sess, "log_files/model_MLP1") 
    test_pred_1 <- sess$run(pred, feed_dict= dict(x = test_data)) 

})

是否所有代碼都正常？僅供參考，我希望通過這部分代碼來獲得我的模型對test_data的預測。

來源

2017-08-16 Kaz

要明確一點，您是使用模型上的相同數據還是使用不同的「測試」數據集？ –

我正在使用另一組作爲「training_data」，但當然是同一種數據。問題是，當我在訓練之後的同一個環節中評估這個測試集時，模型的準確性也很好，但是一旦我關閉了所有內容並嘗試恢復模型，我就會覺得它的行爲就像隨機生成的神經網絡根本沒有受過訓練。因此，我認爲問題在於恢復語法。 – Kaz

因此，它對你的訓練集效果很好，但一旦進入「真實世界」，它就不能很好地工作。聽起來像是過度擬合的例子。 –

您的代碼未顯示model_saver已初始化的位置，但應在創建計算圖形後創建。如果不是，它不知道要恢復/保存哪些變量。因此在pred <- multiLayerPerceptron(test_data)之後創建您的model_saver。

請注意，如果您在訓練過程中犯了同樣的錯誤，您的檢查點將爲空，您需要先重新訓練模型。

來源

2017-08-16 13:04:24 GeertH

如何從恢復的模型中預測MLP張量流？

回答

相關問題