Tensorflow:保存和恢复张量的输出
Tensorflow:保存和恢复张量的输出
提问于 2017-01-16 07:46:38
我想用tensorflow实现这样的目标。
我只能找到关于保存和恢复变量(权重)的文档。但是，和#2-2一样，我想利用隐藏层(张量)的输出作为另一个模型的输入。这能办到吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-01-16 08:13:05
据我所知，在创建了不同的计算图之后，不可能链接它们，但是，您有几个选项。
选项2:创建一个大图并使用控制流程op
output_layer, placeholder = build_my_model()
something = tf.where(output_layer < 0, do_something_1(), do_something_2())上面所有函数调用都应该返回tensorflow操作。
Option2:在python中创建两个图并执行条件语句
# Build the first graph
with tf.Graph().as_default() as graph:
output_layer, placeholder = build_my_model()
# Build the second two graphs
with tf.Graph().as_default() as graph_1:
something_1 = do_something_1()
with tf.Graph().as_default() as graph_2:
something_2 = do_something_2()因此，您还将得到三个不同的会话，并且需要将第一个会话的输出提供给另外两个会话中的一个。
# Get the output
_output_layer = sess.run(output_layer, {placeholder: ...})
if _output_layer < 0:
something = sess1.run(something_1, {...})
else:
something = sess2.run(something_2, {...})正如您所看到的，如果您能够摆脱控制流op，那么您的代码就会简单得多。在一个图中包含所有内容的另一个优点是，整个图是可微的，您可以根据稍后阶段的丢失来训练模型第一阶段的参数。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/41671631
复制相关文章
相似问题
腾讯云开发者
