1回答
我找到了下面的代码，并尝试实现一个Saver()，以确认训练后的模型实际上可以加载和使用，但似乎某些变量或某些东西无法正确恢复(可疑变量范围项)。有问题的代码检查模型是否存在，如果模型不存在，它将训练并保存模型，如果模型存在，它将尝试恢复模型，然后对测试数据运行预测。在第一次训练时，预测测试数据工作得很好，但在
浏览 2提问于2018-02-03得票数 1
我使用以下代码在训练模型的循环之外创建了一个检查点管理器：然后，在训练模型时，我使用ckpt_save_path = ckpt_manager.save()在每个时期之后保存变量。假设我想实现一种提前停止的方法，我需要在特定时期之后恢复所有
浏览 6提问于2020-07-16得票数 1
我想从一个经过训练的模型中得到变量的值。我有一个检查点文件，我可以恢复图形和检查点，并对它们进行推理。但是，在恢复检查点和图形之后，我发现很难弄清楚如何获得可训练的变量值(比如权重和偏差值，而不是名称.我想要这些值)。我已经阅读了Tensorflow文档，对于scope...etc中的"with variable_scope“、”重用= True“和&q
浏览 0提问于2018-03-27得票数 0
回答已采纳
我知道，关于如何在Tensorflow中恢复经过训练的模型，在stack和github等方面有无数的问题。我已经读过大部分了(，，)。我的问题与3几乎完全相同，但是如果可能的话，我希望以一种不同的方式来解决它，因为我的训练和测试需要在从shell调用的单独脚本中进行，并且我不想添加与在测试脚本中定义图形完全相同的行，所以我不能使用tensorflow标志和其他基于手动重新运行图形的答案。我也不想手动映射每个变
浏览 2提问于2016-05-04得票数 6
回答已采纳
我已经尝试了一段时间来研究模型/体重节省，但我仍然不能完全掌握它。我觉得我想做的事情应该足够简单，但我还没有找到解决方案。 最终目标是使用一组预先训练好的网络进行迁移。我将我的模型/层编写为类，因此保存权重和恢复的类方法将是理想的。 例如:如果我有一个图，特征>A>B>标签，其中A和B是子网，我想保存和/或恢复这些部分的权重。假设我已经训练了A的权重，但变量范围现在不同
浏览 10提问于2019-03-20得票数 1
2回答
我使用的是最新的Keras和Tensorflow后端(Python 3.6) loss='categorical_crossentropy', metrics = ['accuracy'])
如果我加载模型并在不重新编译的情况下继续训练准确率将重置到15% - 20%左右，而不是从86%左右开
浏览 0提问于2018-05-22得票数 1
1回答
如何在恢复训练时保存和加载回调？
、、、、
目前，我正在使用Keras中的回调来根据最低的验证损失对模型进行检查点。由于该模型每个时期需要5-6小时的训练，因此我在Google Colab断开连接之前完成了大约2个时期。因此，每次它断开连接时，我都会从最后一个检查点恢复训练。checkpoint = ModelCheckpoint(cl
浏览 2提问于2020-07-08得票数 0
3回答
我一直在训练我的盗梦空间ResNet V2使用Tensorflow，并通过TensorBoard记录准确性/损失等。现在，当我今天恢复训练时，几乎立刻(在几个全球范围内)我的准确率从86%提高到97%，当我恢复我早些时候停下来的检查点时。
浏览 0提问于2018-05-04得票数 2
回答已采纳
我已经创建了一个Tensorflow图，从X和Y的占位符开始，我优化了一些代表我的模型的张量。训练完成后，我有了可接受的w和d值，现在我想保存我的模型供以后使用。然后，在不同的python会话中，我希望恢复模型，以便可以再次运行import tensorflow as tf
## somehow我希望它的工作方式是从占位符计算y值的图形也被存储和</e
浏览 1提问于2016-07-29得票数 10
2回答
我正在使用TensorFlow v0.12训练分类CNN，然后使用经过训练的模型为新数据创建标签。文件夹中出现的文件有: 1.检查点；2. model.ckpt.data-00000-of-00001；3. model.ckpt.index；4. model.ckpt.metasaver = tf.train.Saver()
但是，删除图形构建，并使用line1来恢复它，会引发一个错误。错误是我在
浏览 5提问于2017-02-06得票数 6
回答已采纳
在代码tf.contrib.slim.get_variables_to_restore()下面运行，返回all_vars的空值[]，然后在调用tf.train.Saver时导致失败。详细错误信息如下所示。>>> import tensorflow as tf>
浏览 5提问于2017-03-03得票数 0
回答已采纳
一些上下文:我们使用估计器训练了一个模型，并在估计值input_fn中定义了一些变量，该函数将数据预处理成批处理。现在，我们开始预测。在预测过程中，我们使用相同的input_fn来读取和处理数据。无法识别此变量表明：( a)范围使用不当；( b)图形未恢复。我认为只要正确设置reuse，范围在这里就不那么重要了。
我怀疑这是因为图形还没有恢复到input_fn阶段。通常，图形是通过调用saver.r
浏览 0提问于2018-11-26得票数 6
我认为检查点保留参数，那么为什么汇总保留参数呢？ path = saver.save(sess, checkpoint_prefix, global_step=global_step)
浏览 0提问于2019-04-11得票数 1
每次我使用tf.train.Saver保存变量时，.ckpt文件的磁盘空间都是半MB (确切地说是512MB)。这是正常的吗？
浏览 2提问于2016-02-11得票数 6
这些讨论讨论了(，)关于向Tensorflow图添加新层并重新训练模型的问题。我只为一个应用程序冻结了模型。我喜欢在模型中添加图层，然后再次冻结。这些层更多用于后期处理，不需要训练，因此不需要在训练后的模型中进行训练。
浏览 1提问于2019-07-22得票数 0
我训练了一个模型来预测序列中的下一个单词。我使用tf.train.Saver()保存了模型。但是，当我恢复模型并为其提供相同的种子值时，每次运行测试时输出都会发生变化。例如，如果我给它提供“祝你生日快乐”，它将预测“你”，但如果我在10秒后运行它，它将预测"rhyno“。我有一种感觉，这可能是因为我随机地将内部层初始化为随机正常权重，然而，恢复模型不是在训练后恢复值，而不是重新初始化层吗？
浏览 28提问于2018-07-23得票数 1
network_dir中的模型以进行一些分类，并提取模型的可训练变量。，如VGG16或ResNet，并希望使用我的代码来实现这一点。我想加载预先训练的模型，就像我自己的网络一样，如上所示。
我下载了VGG16检查点，并意识到这些只是经过训练的参数。我想知道如何或在哪里可以获得这些预训练网络的已保存模型或图形结构？例如
浏览 8提问于2019-02-08得票数 5
回答已采纳
我已经为mnist图像分类构建了一个凸集，如下所示:我使用队列从磁盘批处理中读取图像(Png)，并将其传递给训练操作(我现在对此相当满意)--在训练过程中，我在一定数量的步骤上评估我的精度操作。我用Saver对象保存模型，可以看到磁盘上正在写入元和检查点文件。
现在真正的挑战是在训练完成后恢复模型，并将其用于新图像的预测。，我不能仅仅恢复准确性op使用保护程序和传递新的数据。现在我如何恢复学习的权重
浏览 4提问于2017-06-12得票数 1
1回答
在推理时间和训练时间生成图形的推荐方法是什么？基本上，为了进行培训，图形需要各种组件来输入和增强数据，包括一些自定义操作，而在推理时，整个子图可以被占位符替换。如果目标是最小化推理时间模型的大小，我通常应该如何设置？我也不想链接到任何只用于培训的定制操作。
我主要关心的是，怎样才是“正确”的做法。基本上是为了保证我可以使用tf.train.Saver()将训练图恢复到推理图中，而不会出现任何兼容性问题？
浏览 1提问于2017-08-14得票数 0
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
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
