如何在使用Saver的Tensorflow中保存和恢復訓練有素的模型？

我保存了一個訓練有素的LSTM模型，我想恢復預測以在測試中使用它。我試圖按照this post。但我收到錯誤。這裏是我的嘗試：如何在使用Saver的Tensorflow中保存和恢復訓練有素的模型？

x = tf.placeholder('tf.float32', [None, input_vec_size, 1]) 
y = tf.placeholder('tf.float32') 


def recurrent_neural_network(x): 
    layer = {'weights': tf.Variable(tf.random_normal([n_hidden, n_classes])), 
      'biases': tf.Variable(tf.random_normal([n_classes]))}  
    x = tf.transpose(x, [1, 0, 2]) 
    x = tf.reshape(x, [-1, 1]) 
    x = tf.split(x, input_vec_size, 0) 

    lstm_cell = rnn.BasicLSTMCell(n_hidden, state_is_tuple=True) 
    outputs, states = rnn.static_rnn(lstm_cell, x, dtype=tf.float32) 
    output = tf.add(tf.matmul(outputs[-1], layer['weights']), layer['biases']) 

    return output 

def train_neural_network(x): 
    prediction = recurrent_neural_network(x) 
    cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=prediction, labels=y)) 
    optimizer = tf.train.AdamOptimizer(learning_rate=0.001).minimize(cost) 
    saver = tf.train.Saver() 

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

     Training ... 
     saver.save(sess, os.path.join(os.getcwd(), 'my_test_model'))

之後，在訓練階段，我想

def test_neural_network(input_data): 
    with tf.Session() as sess: 
     #sess.run(tf.global_variables_initializer()) 
     new_saver = tf.train.import_meta_graph('my_test_model.meta') 
     new_saver.restore(sess, tf.train.latest_checkpoint('./')) 
     prediction = tf.get_default_graph().get_tensor_by_name("prediction:0") 

     Calculate features from input_data ... 
     result = sess.run(tf.argmax(prediction.eval(feed_dict={x: features}), 1))

但是，這將引發以下錯誤：

KeyError: "The name 'prediction:0' refers to a Tensor which does not exist. The operation, 'prediction', does not exist in the graph."

然後我試圖加入： tf.add_to_collection('prediction', prediction)保存之前，並在恢復後用prediction = tf.get_collection('prediction')[0]替換。但是，這給了我以下錯誤：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder_2' with dtype float and shape [?,34,1] [[Node: Placeholder_2 = Placeholderdtype=DT_FLOAT, shape=[?,34,1], _device="/job:localhost/replica:0/task:0/cpu:0"]]

我知道的第一個錯誤，我應該以恢復，但prediction不是tensorflow變量指定一個名稱。我經歷了幾篇以前的文章和文章，但無法提出一個可行的解決方案。所以，我的問題是：

我在做一些概念錯誤？如果是這樣，什麼？
如果沒有，是否有執行錯誤？我該如何解決它？

謝謝。

來源

2017-09-26 Anakin

我終於可以保存我的訓練模型，所以發佈一個答案，以防萬一有人遇到這個問題。我沒有得到確切問題的解決方案，但我可以使用tflearn構建並保存我的模型。爲了培養和存儲：

model = tflearn.DNN(lstm_model(n_classes, input_vec_size)) 
model.fit(train_x, train_y, validation_set=(test_x, test_y), n_epoch=20, 
      show_metric=True, snapshot_epoch=True, run_id='lstm_model') 
model.save("../Models/lstm_model")

後來，恢復：

model.load(filepath+"lstm_model")

這似乎是一個更容易的方法與模型的工作，並提供了一個緊湊和新穎的方式做我在問題中發佈了同樣的任務。

來源

2017-10-11 13:19:56 Anakin

如何在使用Saver的Tensorflow中保存和恢復訓練有素的模型？

回答

相關問題