在tensorflow 1.x中，如何在每个训练时期保持模型的输出？
在TensorFlow 1.x中，可以通过使用tf.train.Saver类来保存模型的输出。以下是保持模型输出的步骤：
- 导入必要的库：
import tensorflow as tf- 定义模型的计算图：
# 定义输入占位符
x = tf.placeholder(tf.float32, shape=[None, input_size], name='input')
# 定义模型的网络结构
# ...
# 定义模型的输出
output = tf.nn.softmax(logits, name='output')- 定义损失函数和优化器：
# 定义标签占位符
y_true = tf.placeholder(tf.float32, shape=[None, num_classes], name='labels')
# 定义损失函数
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=y_true))
# 定义优化器
optimizer = tf.train.AdamOptimizer(learning_rate).minimize(loss)- 创建一个Saver对象：
saver = tf.train.Saver()- 在训练循环中，在每个训练时期结束时保存模型的输出：
with tf.Session() as sess:
# 初始化变量
sess.run(tf.global_variables_initializer())
for epoch in range(num_epochs):
# 执行训练步骤
# ...
# 在每个训练时期结束时保存模型的输出
saver.save(sess, 'model_checkpoint', global_step=epoch)在上述代码中，saver.save()函数用于保存模型的输出。它接受一个会话对象（sess）、保存路径（model_checkpoint）和一个全局步骤参数（global_step），用于在保存的文件名中添加一个后缀以区分不同的训练时期。
通过以上步骤，每个训练时期结束时，模型的输出将被保存到指定的路径中。您可以根据需要调整保存路径和文件名。
相关·内容
2回答
递归使用函数会增加tensorflow中的模型大小
python、tensorflow
我使用一个函数来计算每个时期在tf.Session()中的均方误差。但是，如果我在每一步都保存模型，则保存的文件的大小会随着步长的增加而增加。
当我使用函数get_mse()时，每个时期后保存的check_points的大小都会增加。然而，当我使用一个简单的语句来计算mse，也就是MSE时，情况并非如此。我做错了什么？
import os
import numpy as np
import tensorflow as tf
from tensorflow.python.ops.losses.losses_impl import Reduction, compute_weighted_loss
浏览 0提问于2019-04-29得票数 1
1回答
如何利用经过训练的tensorflow网络进行推理？
tensorflow
我是坦索弗洛的新手，我希望你能帮我。
我已经建立了一个tensorflow CNN网络，并成功地训练了它。训练数据集为matlab阵列。现在我想使用经过训练的网络来运行推理。我不知道如何编写用于推理的python代码。
在训练中，我保存了模式。我不知道如何在推理中加载这个模型。
我的推理数据也是matlab数组，和训练数据一样。我该怎么用呢？在训练中，我使用了来自Tensorlayer的miniPatch，在推论2中应该使用miniPatch吗？
下面是我的推理代码:它给出了很多错误：
print("\n\nPreparing testing data.........
浏览 1提问于2017-12-31得票数 0
1回答
获取参数None具有无效的类型<class 'NoneType'>
python、tensorflow、kaggle
我是Tensorflow的新手，所以请容忍我，我正在学习教程，我遇到了一个错误，我不知道如何修复。有谁能帮帮我吗？提前谢谢。
这是我尝试执行的代码：
def train():
model = Model()
with tf.Graph().as_default():
images, val_images, labels, val_labels = load_training_data()
x = tf.placeholder(shape=[FLAGS.batch_size, IMAGE_SIZE, IMAGE_SIZE, 1], dtype=
浏览 0提问于2018-06-07得票数 0
2回答
TensorFlow restore引发"No Variable to save“错误
python、tensorflow
我正在研究一些代码，以了解如何在tensorflow中保存和恢复检查点。为此，我实现了一个使用MNIST数字的简单神经网络，并将.ckpt文件保存为：
from tensorflow.examples.tutorials.mnist import input_data
import numpy as np
learning_rate = 0.001
n_input = 784 # MNIST data input (img shape = 28*28)
n_classes = 10 # MNIST total classes 0-9
#import MNIST data
mnist
浏览 137提问于2017-08-30得票数 1
1回答
Tensorflow saver.restore()不恢复网络
python-2.7、tensorflow、deep-learning
我完全迷上了tensorflow保护程序方法。
我试着学习tensorflow深层神经网络模型教程。我想知道如何训练网络进行几次迭代，然后在另一个会话中加载模型。
with tf.Session() as sess:
graph = tf.Graph()
x = tf.placeholder(tf.float32,shape=[None,784])
y_ = tf.placeholder(tf.float32, shape=[None,10])
sess.run(global_variables_initializer())
#Define the
浏览 3提问于2017-06-05得票数 3
回答已采纳
1回答
将CNN泛化到同一类
python、tensorflow、deep-learning、conv-neural-network
因此，我使用tensorflow 1.10，并在视网膜病变数据集的子集上进行训练。问题是它总是预测出现次数最多的类。在我的例子中，它是类0。所以，我做了一点调查，发现了一种叫做欠采样的东西。我省略了所有的0 (只是为了看看会发生什么)，它只预测0之后的类2。显然第二类的频率是最高的。下面是优化的代码：
def data_pipe_line(data,checkpoint_path,i_data=None,epoch=5):
place_X=tf.placeholder(tf.float32,[None,500,400,3],name='p1')
place_Y=tf.plac
浏览 4提问于2018-10-12得票数 0
1回答
TensorFlow -在中世纪恢复训练？
tensorflow
我有一个关于TensorFlow的保护程序功能的一般性问题。
saver类允许我们通过以下方式保存会话：
saver.save(sess, "checkpoints.ckpt")
并允许我们恢复会话：
saver.restore(sess, tf.train.latest_checkpoint("checkpoints.ckpt"))
在TensorFlow文档中，有一个示例代码(添加了一个epoch循环和restore)：
# Create a saver.
saver = tf.train.Saver(...variables...)
# Launch th
浏览 0提问于2017-07-18得票数 2
回答已采纳
1回答
我是否在测试集上使用了预先训练好的变量？
tensorflow、testing
我对深度学习非常陌生，这几乎是我的第一个代码。我的问题是，我得到了几乎100%的训练准确率，但我的测试准确率只有0.12左右。我尝试使用正则化，因为我认为过度拟合是问题所在。然而，这可能不是问题，因为在我添加了一些辍学和正则化之后，测试精度dropped..lol。当我测试我的测试准确性时，我没有使用我训练过的变量吗？非常感谢。
x = tf.placeholder(tf.float32, shape = [None, 128, 18, 1])
y = tf.placeholder(tf.float32, shape = [None, 6])
is_train = tf.placeholder
浏览 0提问于2019-03-02得票数 0
1回答
给料数据- ValueError:尺寸必须相等
python、tensorflow
我用tensorflow来训练一个线性回归模型。您可以在找到数据。这是我的load_data()函数
def load_data():
book = xlrd.open_workbook(DATA_DIR, encoding_override="utf-8")
sheet = book.sheet_by_index(0)
data = np.asarray([sheet.row_values(i) for i in range(1, sheet.nrows)])
n_samples = len(data)
return data, n_
浏览 0提问于2018-05-23得票数 0
回答已采纳
1回答
恢复网络时，在恢复的图中找不到操作
tensorflow
使用Python1.9，我想在一个TensorFlow文件中训练一个神经网络，然后使用另一个Python文件恢复网络。我试着用一个简单的例子来做这件事，但是当我试图加载我的“预测”操作时，我收到了一个错误。具体来说，错误是：KeyError: "The name 'prediction' refers to an Operation not in the graph."。
下面是我用来训练和保存网络的Python文件。它生成一些样本数据，并训练一个简单的神经网络，然后将网络保存在每个时代。
import numpy as np
import tensorflow
浏览 5提问于2018-07-31得票数 0
回答已采纳
1回答
第二次feed_dict in sess.run()，培训时评估
python、tensorflow、conv-neural-network
臭名昭著的：
*InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder_1' with dtype float and shape [100,8]
[[Node: Placeholder_1 = Placeholder[dtype=DT_FLOAT, shape=[100,8], _device="/job:localhost/replica:0/task:0/device:GPU:0"](
浏览 1提问于2018-03-25得票数 0
回答已采纳
1回答
Tensorflow seq2seq模型，损失值是好的，但预测是错误的
lstm、tensorflow2.0、loss-function、seq2seq、encoder-decoder
我正在尝试训练一个Seq2Seq模型。它应该将source_vocabulary中的句子翻译成target_vocabulary中的句子。
损失值为0.28，但网络不能从目标词汇表预测单词。相反，网络的预测是负值。我不确定，如果代码中的某些东西是错误的，或者词汇量太大，或者我训练得不够。我用数据集的一部分进行了训练，大约有27万个句子。即使损失值减少，我也不知道网络是否在学习什么。
def encDecEmb():
batch_size = 32
seq_length = 40
vocab_size = 289415
epochs = 10
embedd
浏览 2提问于2019-12-20得票数 0
1回答
Tensorflow:如何在优化结束前保存模型？
python、tensorflow、scipy、scipy-optimize
我使用ScipyOptimizerInterface来训练tensorflow模型。(tensorflow 1.13.1)
在训练过程中，如果loss值低于一个阈值，我希望训练过程在跨过阈值之前停止并保存模型。
下面是我尝试过的脚本。其想法是引发一个异常以退出optimizer.minimize，然后使用tf.train.Saver保存模型。
然而，这是行不通的。通过比较loss、loss、、和，您可以看到由保存的模型计算的值。这两个值是相同的，这表明保存的是初始随机模型，而不是所需的模型。
从@Patol75 75的回答来看，我知道最好的模型是没有保存的，因为更新的tf.Variables在
浏览 2提问于2019-10-31得票数 0
回答已采纳
1回答
将模型权重加载到一个新的tensorflow图中
python、machine-learning、tensorflow
目标
使用tensorflow，我试图训练一个LSTM模型，用于对数据进行一定次数的迭代，即每个样本有N个时间步骤，然后随着模型的训练，缓慢地增加每个样本的时间步骤数。
因此，RNN模型可能首先考虑了每个训练样本的4个时间步骤。经过一段时间的训练后，成绩就会下降。现在我想用8个时间步骤继续训练这个模型。这基本上是RNN的一种细化形式。
进展
要做到这一点，似乎最简单的方法是在训练之后保存模型一段时间，然后用一个新变量X重建一个新的图，并定义更多的时间步骤。
不幸的是，我无法找到一种方法来不硬编码到我的模型中的时间步骤数。但这没什么，因为如果我重新创建模型并用节省下来的重量填充它，模型形状的形状
浏览 0提问于2017-05-30得票数 2
回答已采纳
2回答
在C++中运行经过训练的tensorflow模型
c++、tensorflow
我使用tensorflow在python中训练了一个图像分类网络。训练后的模型被保存为.pb。现在，我想测试这个模型，我需要在C++中完成。
我曾经使用过numpy来操作和处理数据。在训练阶段，图像作为numpy数组传入。图像以一维数组的形式展开，并将类标签添加到该数组的前面。
在我不能使用numpy的C++中运行模型时，我对如何传递图像数据感到困惑。我使用numpy操作来操作和处理数据。如果我必须在C++中执行数据，我应该以什么格式传递数据。
下面是我训练和保存模型的方法
def trainModel(data):
global_step = tf.Variable(0, name=
浏览 3提问于2017-07-11得票数 19
回答已采纳
1回答
为什么这个tf.placeholder必须是一个浮子？
machine-learning、tensorflow
为什么x需要成为浮点？为什么不能是int，因为我正在传递一个int类型的列表。
代码：
x = tf.placeholder(tf.float32, shape=[None, 1]) # Why must this be a float?
y = tf.placeholder(tf.int32, shape=[None, 2])
with tf.name_scope("network"):
layer1 = tf.layers.dense(x, 100, activation=tf.nn.relu, name="hidden_layer")
浏览 0提问于2017-07-03得票数 2
回答已采纳
2回答
Tensorflow模型恢复(恢复训练似乎从零开始)
tensorflow、save、restore、resuming-training
我在拯救我的模型后恢复训练有问题。问题是我的损失从6减少到3。此时我拯救了模型。当我恢复并继续训练的时候，损失从6点重新开始，似乎恢复不起作用。我不明白，因为打印的重量，似乎他们是正确的装载。我用的是亚当优化器。提前谢谢。在此：
batch_size = self.batch_size
num_classes = self.num_classes
n_hidden = 50 #700
n_layers = 1 #3
truncated_backprop = self.seq_len
dropout = 0.3
learning_
浏览 3提问于2017-04-12得票数 4
回答已采纳
3回答
使用tf.data.Dataset使保存的模型更大
python、tensorflow
我最近遇到了一个问题，把模型保存在一个更大的尺寸。我使用的是tensorflow 1.4
以前，我用
tf.train.string_input_producer()和tf.train.batch()
若要从文本文件加载图像，请执行以下操作。在训练中，
tf.train.start_queue_runners()和tf.train.Coordinator()
用于向网络提供数据。在这种情况下，每次我使用
saver.save(sess, checkpoint_path, global_step=iters)
只给了我一个小文件，即名为model.ckpt-1000.data-00000-of-
浏览 1提问于2018-04-09得票数 6
1回答
如果batch_size在tf.layers.batch_normalization()中等于1，它会正常工作吗？
tensorflow、batch-normalization
所有人。我正在使用tensorflow 1.4来训练一个像U-net这样的模型。由于硬件的限制，在训练时，batch_size只能设置为1，否则会出现OOM错误.
我的问题来了。在这种情况下，当batch_size = 1时，tf.layers.batch_normalization()是否正常工作(比如移动平均、移动方差、伽马、贝塔)？小batch_size会使它工作不稳定吗？
在我的工作中，我在训练training=True 时设置了，在测试时设置了training=False 。在训练时，我用
logits = mymodel.inference()
loss = tf.mean_squ
浏览 0提问于2018-05-30得票数 0
回答已采纳
1回答
Tensorflow:如何在我培训中想要的步骤中保存模型
python、tensorflow
这里有一个问题，我希望我的代码可以在每100步之前保存模型，我的TRAIN_STEPS是3000，所以应该保存将近30个模型，但是它只保存了最后5个模型，检查点中的.The详细信息如下：
model_checkpoint_path: "/home/vrview/tensorflow/example/char/tfrecords/color/model.ckpt-2900"
all_model_checkpoint_paths: "/home/vrview/tensorflow/example/char/tfrecords/color/model.ckpt-2500
浏览 4提问于2017-06-05得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
活动推荐
腾讯云开发者
