Question

我试图在两个单独的函数中使用Tensorflow模型：一个用于训练它，另一个用于测试它。例如，训练函数看起来像这样：

graph = tf.Graph()
with graph.as_default():
    tf_dataset = tf.placeholder(tf.float32, shape=(None, num_dims))
    ...
    weights = tf.Variable(tf.truncated_normal([num_dims, num_labels]))
    ...
    optimizer =    tf.train.GradientDescentOptimizer(learning_rate).minimize(loss)
    prediction = tf.nn.softmax(logits)
    ...
    session = tf.Session(graph=graph)
    ...

另一个评估函数只使用prediction和测试数据，如下所示：

session.run(prediction, feed_dict={tf_dataset: test_data})

当然，问题是tf_dataset不在另一个函数的范围内。我可以从培训函数返回session和prediction，但是必须与评估代码共享每个占位符似乎有点蹩脚。

有没有办法从会话或图表中以某种方式获取引用？另外，有没有关于如何在Tensorflow中分离培训和评估代码的良好实践？

Answer 1

您可以为占位符指定唯一名称并使用它。 IE，

tf_dataset = tf.placeholder(tf.float32, shape=(None, num_dims), name="datainput")
...
sess.run(..., feed_dict={"datainput:0": mydata})

您还可以获取图表中所有操作的名称/类型对，这样就可以恢复所有占位符张量名称

[(op.name+":0", op.op_def.name) for op in graph.get_operations()]

Tensorflow：在单独的功能中训练和测试

1 个答案: