如何在Tensorflow中只恢复检查点中的变量？
在TensorFlow中，可以通过以下步骤只恢复检查点中的特定变量：
- 首先，需要定义一个变量列表，用于存储需要恢复的变量。可以通过
tf.trainable_variables()获取所有可训练的变量，或者手动指定需要恢复的变量。 - 创建一个
tf.train.Saver对象，并在其构造函数中传入变量列表。这将创建一个用于保存和恢复指定变量的saver。 - 在训练过程中，当需要恢复变量时，可以调用
saver.restore()方法，并传入检查点文件的路径。这将恢复指定变量的值。
以下是一个示例代码：
import tensorflow as tf
# 定义需要恢复的变量列表
var_list = [var1, var2, var3] # 替换为需要恢复的变量
# 创建Saver对象
saver = tf.train.Saver(var_list)
# 在训练过程中恢复变量
with tf.Session() as sess:
# 恢复变量
saver.restore(sess, "checkpoint_path") # 替换为检查点文件的路径
# 继续训练或进行其他操作在上述代码中，var1、var2和var3是需要恢复的变量。可以根据实际情况修改变量列表。checkpoint_path是检查点文件的路径，需要替换为实际的路径。
这种方法可以灵活地选择需要恢复的变量，避免了恢复所有变量的开销。同时，可以根据实际需求，选择不同的变量列表进行恢复。
推荐的腾讯云相关产品：腾讯云AI Lab，提供了丰富的人工智能开发工具和资源，包括TensorFlow等深度学习框架的支持。详情请参考腾讯云AI Lab官方网站：https://ai.tencent.com/ailab/
相关·内容
我有一份假档案。我只想从一个ckpt检查点文件中得到我训练过的cnn的权重。inception_resnet_v2_2016_08_30
import tensorflow as tf
saver = tf.train.Saver()
sess = tf.Session()
saver.restore(sess, "inception_resnet_v2_2016_08_30.ckpt")
from tensorflow.core.framework import graph_pb2
from tensorflow.core.protobuf import saver_pb2
浏览 4提问于2017-03-20得票数 2
回答已采纳
我正在尝试在tensorflow中创建一个卷积神经网络。我已经对它进行了训练，并保存了模型
saver = tf.tain.Saver()
saver.save(sess, "model.ckpt")
然后，我用以下命令恢复了模型
saver.restore(sess, "model.ckpt")
当我尝试预测一个图像的标签时，没有问题。但是当我试图预测两个或更多图像的标签时，网络只预测第一个，然后我得到了一个错误。
以下是训练网络的代码：
import tensorflow as tf
import pickle
import numpy as np
wit
浏览 7提问于2017-07-24得票数 0
我已经开始探索TensorFlow库，并尝试使用MNIST数据的图像分类。我希望模型在培训阶段结束后存储在一个文件中，这样我就可以在需要时使用它。我检查了，它告诉我们如何将值从TensorFlow保存到任何文件中，并读取它。到目前为止，我能够按照链接中的建议使用泡菜将脚本中的一些变量保存到文件中。但是，我无法理解需要在文件中保存什么来存储模型的当前状态以供以后使用。拜托，有人可以用例子来解释这个部分，比如存储模型和加载模型。
浏览 13提问于2017-02-21得票数 0
回答已采纳
这是一个关于Tensorflow对象-检测API的更普遍的问题。
我正在使用这个API，更确切地说，我微调了一个模型到我的数据集。根据API的描述，我使用model_main.py函数从给定的检查点/冻结图重新训练模型。
然而，我不清楚微调在API中是如何工作的。最后一层的重新初始化是自动发生的还是我必须实现类似的东西？在README文件中，我没有找到任何关于这个主题的提示。也许有人能帮我。
浏览 0提问于2019-05-06得票数 9
回答已采纳
我希望看到保存在TensorFlow检查点中的变量及其值。如何找到保存在TensorFlow检查点中的变量名？
我使用了被解释为tf.train.NewCheckpointReader的。但是，在TensorFlow的文档中没有给出它。还有别的办法吗？
浏览 21提问于2016-07-06得票数 39
回答已采纳
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
浏览 1提问于2019-09-07得票数 0
回答已采纳
我正在使用一个大小合理的网络(1个卷积层，2个完全连接的层)。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？我有一个相同架构的Caffe net，只需要一个7MB的.caffemodel文件。Tensorflow保存如此大的文件大小是否有特殊的原因？
非常感谢。
浏览 2提问于2016-02-11得票数 6
我已经训练了许多子模型，每个子模型都是最后一个模型的一部分。然后，我想使用这些预先训练好的子模型来初始化最后一个模型的参数。我尝试使用SessionRunHook加载其他ckpt文件的模型参数，以初始化最后一个模型的参数。我尝试了以下代码，但失败了。希望能有一些建议。谢谢!错误信息为：
Traceback (most recent call last):
File "train_high_api_local.py", line 282, in <module>
tf.app.run()
File "/Users/zhouliaoming/an
浏览 141提问于2018-03-28得票数 0
回答已采纳
1回答
我想使用NiftyNet堆栈执行一些传输学习，因为我的标记图像数据集相当小。在TensorFlow中，这是可能的--我可以加载各种预先训练过的网络，并直接使用它们的层。为了对网络进行微调，我可以冻结中间层的训练，只训练最后一层，或者只利用中间层的输出作为特征向量输入到另一个分类器中。
我如何在NiftyNet中做到这一点？文件或源代码中唯一提到的“转移学习”是关于动物园模型的，但是对于我的任务(图像分类)，动物园里没有网络。ResNet体系结构似乎已经实现并可供使用，但据我所知，它还没有经过任何训练。此外，我训练网络的唯一方法似乎是运行net_classify train，使用配置文件中的各种
浏览 0提问于2018-06-08得票数 4
1回答
我正在运行tensorflow object_detection模型的model_main.py。我想知道哪个.py文件包含代码，模型在哪里检查'mode_dir‘中的现有检查点，以及模型如何知道从保存的最新检查点加载/启动。 我检查了model_lib.py，但还不能弄清楚。
浏览 13提问于2019-06-15得票数 0
我尝试了tf.Graph()，但不能让变量由new重置。代码如下：
with tf.Graph().as_default() as g:
clf_ = tf.estimator.Estimator(model_fn=my_w2d.model_fn_wide2deep, params=param, model_dir="/Users/zhouliaoming/data/credit_dnn/model_retrain/rm_gene_v2_sall/")
with tf.name_scope("rewrite"):
clf2 = t
浏览 12提问于2018-01-31得票数 1
回答已采纳
1回答
在训练开始时，我发现从model_zoo再训练模型(Model_zoo)的损失很大，而在validation_set上的精度很高。培训日志如下：
原木不可能来自训练过的模型。我怀疑它不会加载检查点来做微调。请帮助我如何在同一个数据集上对经过训练的模型进行微调。我根本没有修改网络结构。
我将pipeline.config中的检查点路径设置为:pipeline.config:如果我将model_dir设置为我下载的目录，它将不会进行训练，因为global_train_step比max_step大。然后放大max_step，可以看到从检查点恢复参数的日志。但是它会遇到无法恢复某些参数的错误。因此，我
浏览 0提问于2019-05-24得票数 3
所以，我有一个架构，假设我有几个层，让我们用Arc1来表示它：A1->A2->A3->A4->Loss1。我用一个损失函数来训练这个架构: Loss1。
我有一个新的架构Arc2：A1->A2->A3->A4->A5->A6->Loss2，其中两个层中的A1 to A4具有相同的名称，而A5和A6是新的层。我想以较低的学习率缓慢地训练整个架构Arc2，但又想从以前训练过的架构Arc1中恢复A1 to A4。我尝试了在tensorflow中实现，但得到了错误：
tensorflow/core/framework/op_kernel.cc
浏览 12提问于2017-08-28得票数 2
回答已采纳
我正尝试在google colab上的自定义数据集上训练一个TensorFlow对象检测模型，我有一个保存的模型，训练了5000步，是否可以使用保存的模型恢复训练？我计划再训练20000步。我正在使用google colab进行培训，培训大约需要36个小时，所以我计划使用checkpoint。如何存储最佳模型检查点，并在会话运行时使用它们？
浏览 83提问于2021-03-12得票数 2
来自，
SavedModel，TensorFlow模型的通用序列化格式。
和
SavedModel封装了一个TensorFlow保护程序。该保护程序主要用于生成变量检查点。
据我理解，如果有人想要使用SavedModel服务，则必须使用TensorFlow服务。但是，我可以在不使用SavedModel的情况下将Tensorflow模型部署到服务服务器上:冻结图并将其导出为GraphDef，并在Go中使用C++或中的ReadBinaryProto和将图形加载到会话中。
SavedModel的目的是什么？用户应该更喜欢SavedModel而不是检查点或GraphDef来聚合更多与模
浏览 6提问于2017-02-14得票数 34
回答已采纳
我有一个在Tensorflow r0.12中训练过的模型，它使用SaverV2创建检查点文件。我的模型是一个利用tensorflow.python.ops的rnn_cell和rnn_cell.GRUCell的RNN。自更改为1.0以来，这个包已经根据在tensorflow.contrib.rnn.python.ops中移动到了core_rnn_cell_impl
我从运行tf_update.py文件以将我的文件更新到新的修订版。但是，自从更新后，我的旧检查点文件就不起作用了。似乎新的GRUCell实现所需的一些变量不存在或具有不同的名称。
示例错误(有132个这样的错误)：
2017-02-2
浏览 2提问于2017-02-23得票数 2
回答已采纳
我正在使用Tensorflow + Python。
我很好奇我是否能够发布一个保存下来的Tensorflow模型(架构+经过训练的变量)，而不需要详细的源代码。我知道tf.train.Saver()，但它只保存变量，为了恢复/运行它们，用户需要“定义”相同的体系结构。
仅为测试/运行目的，是否有一种方法可以在没有源代码的情况下发布保存的{architecture+trained变量}，这样用户就可以强制转换查询并获得结果？
浏览 2提问于2016-04-06得票数 2
回答已采纳
我发现在Tensorflow中保存/恢复模型和变量有不同的方法。这些方式包括：
在tensorflow的文档中，我发现了它们之间的一些差异：
tf.saved_model是tf.train.Saver的薄包装器
tf.train.Checkpoint支持急切的执行，但tf.train.Saver 不支持。
tf.train.Checkpoint不创建.meta文件，但仍然可以加载图形结构(这里有一个大问题！)它如何做到这一点？)
tf.train.Checkpoint如何在没有.meta文件的情况下加载图形？或者更广泛地说，tf.train.Sav
浏览 2提问于2018-12-01得票数 2
回答已采纳
我刚刚在我的自定义数据集(1675个训练图像，400个验证图像，2个类)上从头开始训练inceptionv3：
我不知道如何使用我的新训练的模型对我的测试图像进行预测。(在哪里可以将label_image.py指向模型)
我新训练的模特是从哪里得救的？
下面是关于我的设置/运行的一些元数据：
我在train_dir中生成了以下文件：
- events.out.tfevents.1481980070.airig-Inspiron-7559(4.9GB)
- graph.pbtxt(18.5MB)
- and a bunch of **model.ckpt-**_**.meta
浏览 4提问于2016-12-19得票数 5
将tensorflow更新到最新版本后，我的检查点无法从磁盘加载。我得到一个错误，看起来像这样：
...
File "/usr/lib/python2.7/site-packages/tensorflow/python/training/saver.py", line 1560, in restore
{self.saver_def.filename_tensor_name: save_path})
File "/usr/lib/python2.7/site-packages/tensorflow/python/client/session.py"
浏览 0提问于2017-09-22得票数 0
目前，我有来自tensorflow的开源预训练模型的resnet_v2_50.ckpt。我正在尝试在Go中服务这个模型，因为我的web应用程序的后端将在Go中。如果我创建自己的模型并训练它，然后保存它。我在Go中发球没有问题，但我正在尝试使用预先训练的模型来节省我的时间。
下面是我如何保存模型的一个简单示例
mnist = input_data.read_data_sets(DATA_DIR, one_hot=True)
# Recall that each image is 28x28
x = tf.placeholder(tf.float32, [None, 784], name=
浏览 0提问于2018-04-01得票数 2
回答已采纳
我在理解tf.train.Saver的正确用法时遇到了很多麻烦
我有一个会议，在那里我创建了几个截然不同的网络模型。所有模型都经过了训练，我保存了性能最好的网络供以后使用。
然而，当我稍后尝试恢复一个模型时，我得到了一个错误，似乎表明一些变量要么没有保存，要么没有恢复：
NotFoundError: Tensor name "Network_8/train/beta2_power" not found in checkpoint files networks/network_0.ckpt
由于某些原因，当我尝试加载Network_0的变量时，系统告诉我需要Network_8的变
浏览 0提问于2016-10-21得票数 1
我在tensorflow中恢复模型的保存参数。我想要测试差异配置我的模型与不同的层和不同的参数大小。
例如，如果我保存的一个参数如下所示：W_conv1 = weight_variable([7 , 7, 1, 64])
如果我恢复它，它就能工作；但是我希望像这样更改参数：W_conv1 = weight_variable([5 , 5, 1, 64])或W_conv1 = weight_variable([5 , 5, 1, 50])、W_conv1 = weight_variable([9 , 9, 1, 80])或.。
现在，我希望在新配置中使用我保存的检查点进行恢复。如果参数的每个维度
浏览 2提问于2016-07-04得票数 0
在(代码为)中使用方法对模型进行训练。最后将模型保存在检查点目录中。现在我要从检查点目录恢复：
import tensorflow as tf
def main(_):
saver = tf.train.Saver()
with tf.Session() as sess:
ckpt = tf.train.latest_checkpoint("/data/lstm_models")
saver.restore(sess, ckpt)
if __name__ == "__main__":
tf.app.run(
浏览 8提问于2017-06-15得票数 1
我想在Linux上运行Pycharm中的Tensorflow GPU。
我试过像这样的向导
我运行这段代码
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
我有这个错误
Traceback (most recent call last):
File "/home/alex/anaconda3/envs/TfTestGPU/lib/python3.6/site-packages/tensorflow/python/pywrap_tensorf
浏览 0提问于2019-04-06得票数 2
我正在使用Tensorflow处理与指针生成网络相关的斯坦福存储库。该存储库可从以下位置获得：
我已经在这个存储库的问题部分请求了一个演示检查点，一个名叫Joy的人回复了我他的实验的检查点。你可以在这里看到它：
现在，当我使用代码运行检查点时，我得到了以下异常或错误：
INFO:tensorflow:Loading checkpoint log/directory/myexperiment/train/model.ckpt-44550
INFO:tensorflow:Restoring parameters from log/directory/myexperiment/train/mod
浏览 0提问于2017-08-08得票数 0
我在Tensorflow中有多种架构。他们中的一些人分享某些部件的设计。
我想训练其中一个网络，并在另一个网络中使用训练过的相似层的权重。
此时，我能够保存所需的权重，并在一个具有与变量命名约定完全类似的体系结构中重新加载它们。
然而，当权重在两个网络中有不同的名称时，就不可能恢复。我有第一个网络的命名约定：
选择器网络/c2w/var1
在第二个网络中，我有以下内容：
联合网络/c2w/var1
除此之外，这些变量在形状上也是相似的。是否有可能在重新加载时更改名称，或者告诉Tensorflow在哪里适合这些变量？
编辑：我从@batzner找到了这个脚本，它允许重命名
浏览 4提问于2017-08-10得票数 8
回答已采纳
运行在tensorflow 1.3.0 GPU上。我用TF训练了一个模型，只保存了一个变量张量：
embeddings = tf.Variable(tf.random_uniform([4**kmer_len, embedding_size], -0.04, 0.04), name='Embeddings')
more code, variables...
saver = tf.train.Saver({"Embeddings": embeddings}) # saving only embeddings variable
some more code, tr
浏览 1提问于2018-07-14得票数 0
回答已采纳
我使用的是Tensorflow r0.12。
我在本地使用google-cloud-ml来运行两个不同的培训任务。在第一个工作中，我为我的变量找到了良好的初始值。我将它们存储在V2检查点中。
当我尝试恢复变量以在第二个作业中使用它们时：
import tensorflow as tf
sess = tf.Session()
new_saver = tf.train.import_meta_graph('../variables_pred/model.ckpt-10151.meta', clear_devices=True)
new_saver.restore(sess, tf
浏览 3提问于2016-12-29得票数 9
回答已采纳
我想通过在tensorflow中插入conv层到学习的DNN来创建一个新的网络。
例如，从
[conv2d_a -> conv2d_b]
至
[conv2d_a -> conv2d_c(inserted) -> conv2d_b].
插入层以外的其他层使用学习的权重conv2d_a，并且通过重新学习conv2d_c来学习插入的圆锥体层的权重。
以下代码不起作用：
with tf.Session() as sess:
saver.restore(sess, "/tmp/model.ckpt")
conv2d_a = tf.get_default_gra
浏览 0提问于2018-01-27得票数 0
我正在使用Tensorflow v1.1，我一直在试图找出如何使用我的EMA‘’ed权重进行推理，但是无论我做什么，我都会得到错误
未找到:在检查点中未找到键W/指数移动
即使当我循环并打印出所有的tf.global_variables时，键仍然存在。
下面是一个从单元测试中大量改编的可复制脚本：
import tensorflow as tf
import numpy as np
tf.reset_default_graph()
# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np
浏览 0提问于2017-07-19得票数 16
2回答
假设我有一个具有Y层的模型。
我试图通过将Y-1层设置为trainable=False来恢复模型，所以我在定义tf.train.Saver(var_list=list_of_Y-1_layers)时将所有Y-1层(变量名)插入到var_list中，以便可以恢复它们。
我不想恢复最后一层，我想自己训练它，所以如果我把它放在var_list，它会被恢复，如果我不把它放在那里，它在训练期间不会保存在检查点内。
这个变量会保存在其他地方吗？或者我在保存/恢复方面做错了什么？
附注:为了检查是否保存了可训练变量，我使用了在tensorflow/tensorflow/python/tools/inspec
浏览 1提问于2017-10-11得票数 0
我有一个默认图和一个新创建的图(G1)。
在G1中，我有一个名为"a“的变量。
我可以使用tf.import_graph_def将G1包含到主图上，并公开它的"a“变量。
如何初始化此变量并成功打印"a“?的值
以下是实际代码：
import tensorflow as tf
INT = tf.int32
def graph():
g = tf.Graph()
with g.as_default() as g:
a = tf.get_variable('a', [], INT, tf.constant_initial
浏览 4提问于2017-10-23得票数 3
回答已采纳
我正在尝试使用tf.layers应用程序接口实现一个uNet。任务是图像分割。下面，我将提供(按顺序)：错误消息、我的网络定义、我的训练代码和我的验证代码。
几天来，我一直在努力解决这个问题，但就是不知道如何继续下去。如果有人能帮助我，我将万分感激！
为了深入了解问题的核心，当我恢复我的模型时，我得到了一条错误消息：
FailedPreconditionError: Attempting to use uninitialized value prediction/Level1Encoding/conv1/conv2d/kernel
[[Node: prediction/Leve
浏览 0提问于2018-05-25得票数 0
我训练了一个模型，并将它保存在一个检查点中，但我只是刚刚意识到，当我恢复模型时，我忘记了要检查的变量之一。
我知道如何从tensorflow检索命名变量(g = tf.get_default_graph()，然后是g.get_tensor_by_name([name]))。在这种情况下，我知道它的范围，但它没有命名。我试过在tf.GraphKeys.GLOBAL_VARIABLES中查找，但由于某种原因，它没有出现在那里。
下面是模型中定义它的方式：
with tf.name_scope("contrastive_loss") as scope:
l2_dist = t
浏览 3提问于2017-06-19得票数 2
回答已采纳
我很难恢复一个保存下来的模型。我正在MNIST数据集上训练CNN，所有这些都是根据MNIST关于的教程进行的，我正在用以下代码保存我的模型：
saver.save(sess, './Tensorflow_MNIST', global_step=max_steps)
这将创建以下文件：
Tensorflow_MNIST-1000数据-00000-00001
Tensorflow_MNIST-1000指数
Tensorflow_MNIST-1000元
检查点
稍后，我希望加载该模型并继续使用以下内容进行培训：
with tf.Session() as ses
浏览 0提问于2017-05-10得票数 2
我在Tensorflow训练过一个模特。在训练过程中，我在优化器中设置了一个var_list，换句话说，我是在CNN上训练一个GRU。下面是优化器的代码：
with tf.name_scope('optimizer'):
update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
with tf.control_dependencies(update_ops):
optimizer = tf.train.AdamOptimizer(0.0001).minimize(MSE, var_list=g
浏览 2提问于2018-01-09得票数 4
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量并手动映射它们，因为我的图很大(使用import_graph_def和参数input_map)。
因此，我运行一些图形，并在特定脚本中对其进行训练。例如(但没有训练部分)
#Scri
浏览 2提问于2016-05-04得票数 6
回答已采纳
3回答
我正在使用自动编码器。我的检查点包含网络的完整状态(即编码器、解码器、优化器等)。我想把这些编码玩弄一下。因此，在我的评估模式中，我只需要网络的解码器部分。
我如何从现有的检查点中只读取几个特定的变量，以便在另一个模型中重用它们的值？
浏览 25提问于2016-08-15得票数 10
回答已采纳
我对Tensorflow非常陌生，并试图找到一种使用简单程序保存和恢复稠密层的方法。我使用了以下简单的程序来初始化和保存图表。
from __future__ import absolute_import, division, print_function
import os
import tensorflow as tf
x = tf.constant([[1], [2], [3], [4]], dtype=tf.float32,name = "x" )
y_true = tf.constant([[0], [-1], [-2], [-3]], dtype=tf.flo
浏览 0提问于2018-05-17得票数 0
回答已采纳
在tensorflow中，我需要从inception_v3预培训模型加载权重，以便在以下代码中使用：
with tf.variable_scope(scope, "InceptionV3", [images]) as scope:
with slim.arg_scope(
[slim.conv2d, slim.fully_connected],
weights_regularizer=weights_regularizer,
trainable=False):
浏览 0提问于2018-01-29得票数 1
回答已采纳
我想使用tf.train.Saver()来创建张量的检查点，下面是我的代码片段：
import tensorflow as tf
with tf.Graph().as_default():
var = tf.Variable(tf.zeros([10]), name="biases")
temp = tf.add(var, 0.1)
init_op = tf.global_variables_initializer()
saver = tf.train.Saver({'w':temp})
with tf.Sess
浏览 0提问于2017-01-11得票数 3
回答已采纳
我正在尝试从Tensorflow Object Detection存储库加载一个预先训练好的tensorflow对象检测模型作为tf.estimator.Estimator，并使用它进行预测。 我可以使用Estimator.predict()加载模型并运行推理，但是输出是垃圾。加载模型的其他方法，例如作为Predictor，以及运行推理都可以很好地工作。 任何帮助正确加载模型作为调用predict()的Estimator的帮助都将不胜感激。我当前的代码： 加载并准备镜像 def load_image_into_numpy_array(image):
(im_width, im_hei
浏览 24提问于2019-05-01得票数 2
1回答
我想在训练后恢复tensorflow模型。我知道我可以使用tf.train.Saver，但是问题出在恢复上，因为我把get_tensor_by_name的名字搞混了。有人能帮我吗？这是我的图表：
x_hat = tf.placeholder(tf.float32, shape=[None, dim_img], name='input_img')
x = tf.placeholder(tf.float32, shape=[None, dim_img], name='target_img')
# dropout
keep_prob = tf.placeholder
浏览 0提问于2018-05-03得票数 0
我是深度学习和自然语言处理的新手，现在正试图开始使用预先训练好的Google BERT模型。因为我打算用BERT构建一个QA系统，所以我决定从SQuAD相关的微调开始。 我在the official Google BERT GitHub repository中遵循了README.md的说明。 我输入的代码如下： export BERT_BASE_DIR=/home/bert/Dev/venv/uncased_L-12_H-768_A-12/
export SQUAD_DIR=/home/bert/Dev/venv/squad
python run_squad.py \
--vocab_f
浏览 161提问于2019-04-06得票数 1
我在变量data中保存了一个数据集，该数据集以以下形式保存：
data = [
{'index': 123,
'balance': [],
'probaility': 0.89,
'failed': True,
'rank': 'A'},
{'index': 50234,
'balance': [],
'probaility': 0.45,
'failed&#
浏览 4提问于2017-11-27得票数 0
回答已采纳
我们在转换经过预先训练的Tensorflow模型时遇到了问题，我们将其作为以下文件
snapshot_140.ckpt.index
snapshot_140.ckpt.meta
快照_140.ckpt.data-00000-00001
对于tensorflow lite，当我们使用转换后的tflie文件进行预测时，所有的预测都在Nan而正常的tensorflow模型加载时给出了正确的回归预测。
上面有这些文件，从ckpt文件到tensorflow .pb图的转换是通过tensorflow.python.tools.freeze_graph工具进行的。
然后，将TFlite_converter工
浏览 1提问于2019-05-22得票数 2
当我试图恢复一个经过训练的评估模型时，我得到了一个错误，但是只有在测试集上进行评估时才会出错。错误是：
InvalidArgumentError: Assign requires shapes of both tensors to match. lhs shape= [2325,11] rhs shape= [4891,11]
注意，lhs形状= 2325,11和rhs形状= 4891,11对应于测试集中的2325幅图像和训练集中的4891幅图像；而11是11个类的一个热编码，因此它们很可能对应于标签。当我在训练集上运行评估时，维度匹配且没有错误结果。我会很感激你的帮助！
下面是完整的堆栈跟踪
浏览 4提问于2017-02-02得票数 0
回答已采纳
1回答
我已经使用Tensorflow训练了语言模型，如本所示
为了进行训练，我使用了以下命令。
bazel-bin/tensorflow/models/rnn/ptb/ptb_word_lm --data_path=./simple-examples/data/ --model small
训练是成功的，最后的o/p如下。
Epoch: 13 Train Perplexity: 37.196
Epoch: 13 Valid Perplexity: 124.502
Test Perplexity: 118.624
但我仍然对训练模型存储在哪里以及如何使用它感到困惑。
浏览 9提问于2015-11-29得票数 2
我在tensorflow训练了一个深度学习模型。
我想从检查点文件将每个时期的丢失值加载到numpy.array中。
我是说下面。
np.array([3.45342, 3.23080, 2.98729, ...])
检查点文件没有丢失所有时间点的信息吗？
是否需要在培训期间保存所有的值？
我该怎么做？
浏览 0提问于2018-04-30得票数 3
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
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
