Question

我正在使用自定义图像集来使用Tensorflow API训练神经网络。在成功的训练过程之后，我得到这些检查点文件，其中包含不同训练var的值。我现在想要从这些检查点文件中获取推理模型，我发现这样做script，我可以使用它来生成深度图像，如本教程中所述。问题是当我使用：

加载我的模型时

import tensorflow as tf
model_fn = 'export'

graph = tf.Graph()
sess = tf.InteractiveSession(graph=graph)
with tf.gfile.FastGFile(model_fn, 'rb') as f:
  graph_def = tf.GraphDef()
  graph_def.ParseFromString(f.read())
t_input = tf.placeholder(np.float32, name='input')
imagenet_mean = 117.0
t_preprocessed = tf.expand_dims(t_input-imagenet_mean, 0)
tf.import_graph_def(graph_def, {'input':t_preprocessed})

我收到此错误：

graph_def.ParseFromString（f.read（））

self.MergeFromString（串行化）

引发message_mod.DecodeError（＆＃39;意外的端组标记。＆＃39;）   google.protobuf.message.DecodeError：意外的结束组标记。

脚本期望一个协议缓冲区文件，我不确定我用来生成推理模型的script是否给了我原型缓冲区文件。

有人可以建议我做错了什么，或者有更好的方法来实现这一目标。我只想将张量生成的检查点文件转换为原始缓冲区。

谢谢

Answer 1

您运行的脚本的链接已损坏，但无论如何，推荐的不是尝试从检查点生成推理模型，而是在您的训练程序结束时嵌入代码，该代码将发出＆＃34; SavedModel＆＃34;导出（不与检查点相同）。

请参阅[1]，特别是标题＆＃34;建立已保存的模型＆＃34;。请注意，保存模型构成多个文件，其中一个文件确实是一个协议缓冲区（它直接回答了我希望的问题）;其他是可变文件和（可选）资产文件。

[1] https://www.tensorflow.org/programmers_guide/saved_model

如何使用Tensorflow推理模型生成类似图像的深度梦

1 个答案: