Question

是否可以加载我的模型，只对图像进行一次前向操作。

我的网络定义如下：

def network(x, weights, biases, name="network"):
    # 1. Hidden layer, ReLU
    layer_1 = tf.add(tf.matmul(x, weights["h1"]), biases["b1"])
    layer_1 = tf.nn.relu(layer_1)

    # 2. Hidden layer, ReLU
    layer_2 = tf.add(tf.matmul(layer_1, weights["h2"]), biases["b2"])
    layer_2 = tf.nn.relu(layer_2)

    # Output layer with linear activation
    out_layer = tf.add(tf.matmul(layer_2, weights["out"]), biases["bout"])
    return out_layer

pred = network(x, weights, biases, name="network")

我遇到了困难：

import tensorflow as tf
import numpy as np

test_image = np.random.randn(900,1)

with tf.Session() as sess:
    saver = tf.train.import_meta_graph("my_model.meta")
    saver.restore(sess, tf.train.latest_checkpoint("/dir/to/model"))
    op_to_restore = graph.get_tensor_by_name("network:0")

当我这样做时，我收到以下错误：

KeyError: "The name 'network:0' refers to a Tensor which does not exist. The operation, 'network', does not exist in the graph."

但我该怎么办？

Answer 1

定义模型时，可以定义图形。此图包含操作（节点），每个节点都有唯一的名称。

如果您没有为节点明确设置名称，Tensorflow会为您指定一个名称。

如果要执行评估节点所需的操作链，则必须知道其名称。

在您的情况下，您必须找到out_layer的名称。您可以使用属性.name访问其名称。

pred = network(x, weights, biases, name="network")
name = pred.name
print(name)

保存此名称。

现在，您可以像以前一样恢复图表，并且可以在图表中查找正确的名称：

graph.get_tensor_by_name(name)

其中name是上面执行的print(name)返回的字符串。

Answer 2

您需要知道输出节点的名称（提供预测）和输入节点（输入数据的位置）。

然后，您可以在会话中运行输出节点，并使用输入节点的feed dict输入输入图像。类似的东西：

model_result = sess.run(output_node , feed_dict ={input_node : test_image})

编辑：您还没有给出您的操作名称，因此Tensorflow将为其指定默认名称。您收到错误，因为network：0不是Tensorflow图中任何张量的名称。

您可以使用＆＃39; name=place_your_name_here＆＃39;为您的操作添加名称。作为您的操作的参数，您将定义例如。

tf.add(tf.matmul(layer_2, weights["out"]), biases["bout"], name='output')

TensorFlow：加载模型，只对图像进行正向传递

2 个答案: