Question

我在TensorFlow中构建了一个简单的4层神经网络（2个隐藏层）。我没有使用TensorFlow提供的内置NN，而是实现了我自己的基本版本。现在，为了保持W（权重）和B（偏见）Tensor在一个地方，我建立了这些变量的字典，如下所示：

weights = {
    'h1': tf.Variable(tf.random_normal([n_input, n_hidden_1])),
    'h2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])),
    'out': tf.Variable(tf.random_normal([n_hidden_2, n_classes]))
}
biases = {
    'b1': tf.Variable(tf.random_normal([n_hidden_1])),
    'b2': tf.Variable(tf.random_normal([n_hidden_2])),
    'out': tf.Variable(tf.random_normal([n_classes]))
}

在我学习这些参数后，我想使用Saver对象保存它们。我试过这个：

saver = tf.train.Saver([weights,biases])
save_path = saver.save(sess,"./data/model.ckpt")

但我没有成功。看到的错误是：

TypeError: unhashable type: 'dict'

现在，一个解决方案是将所有变量：h1，h2，out，b1，b2，bias_out（偏离字典）分成单个变量并保存它们但这似乎是一种天真的方法。如果我后来有更多的变量需要联合起来，我想保持这种方式，它更干净，更易于管理。如何将分组变量保存在一起？

Answer 1

Tensorflow Saver不接受字典列表。也许你应该尝试merge your dictionaries first：

parameters = weights.copy()
parameters.update(bias)

或（使用Python 3.5）

parameters = {**weights,**bias}

之后：

saver = tf.train.Saver(parameters)
save_path = saver.save(sess,"./data/model.ckpt")

另一种解决方案：

saver = tf.train.Saver({name:variable for name,variable in weights.items()+bias.items()})
save_path = saver.save(sess,"./data/model.ckpt")

最后一个解决方案可能会遇到一些问题，例如＆＃34; out＆＃34;作为权重和偏见的关键，所以似乎只会保存一个[＆＃34; out＆＃34;：变量]。

如何使用Saver对象在TensorFlow中保存变量字典？

1 个答案: