我已经训练了一个模型并保存了所有文件(元、索引、检查点等)。使用saver = tf.compat.v1.train.Saver()函数,现在我想重新加载该模型,以便在新数据上进行测试。它工作得很好,但我的问题是,每次我在同一数据集上运行恢复的模型(即在测试数据集上运行一次,然后重新启动并在同一数据集上运行一次),我得到的结果非常不同。我希望能够在同一数据集上一遍又一遍地运行它,但得到相同的结果。 我有两个独立的.py文件,一个用于训练,另一个用于测试/加载要在数据集上测试的模型。我的训练变量/占位符在training.py文件中如下所示(以防万一): # set some tens
我有一个训练有素的模型,我正试图在一个单独的数据集上进行评估,但我的输入管道遇到了问题。在恢复会话并尝试加载第一批验证数据后,将抛出以下错误:
tensorflow.python.framework.errors.OutOfRangeError: FIFOQueue '_2_input/batch/fifo_queue' is closed and has insufficient elements (requested 1024, current size 0)
我的代码是模仿cifar10_eval.py示例()编写的。
def read_and_decode(filena
从检查点恢复失败。这很可能是由于检查点中缺少的变量名称或其他图形键造成的。请确保您没有根据检查点更改预期的图形。原始错误:
在检查点[节点保存_1/RestoreV2 2(定义在Programing\web_programing\django\django-vegiter\predict\views.py:20)上)]中找不到密钥bias_1
回溯
saver.restore(sess, save_path)
…
err, "a Variable name or other graph key that is missing")
在Python虚拟环境中运行
Django
我用tensorflow编写了一个卷积神经网络来执行mnist数据集。一切都很好,但是我想用tf.train.Saver()保存模型。我该怎么做?这是我的代码:
from __future__ import print_function
import tensorflow as tf
# Import MNIST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)
# Par
我有一个这样的错误:
InvalidArgumentError (see above for traceback): logits and labels must
be same size: logits_size=[10,9] labels_size=[7040,9] [[Node:
SoftmaxCrossEntropyWithLogits =
SoftmaxCrossEntropyWithLogits[T=DT_FLOAT,
_device="/job:localhost/replica:0/task:0/gpu:0"](Reshape, Reshape_1)]]
但是