Question

我想保存我训练有素的Tensorflow模型，因此可以通过恢复模型文件来部署它（我跟随this示例，这似乎很有意义）。但是，要做到这一点，我需要命名张量，以便我可以用以下内容重新加载变量：

graph = tf.get_default_graph()
w1 = graph.get_tensor_by_name("my_tensor:0")

我使用 string_input_producer （下面的代码）从文件名列表中排队图像，但是如何命名张量以便我可以在以后重新加载它们？

import tensorflow as tf

flags = tf.app.flags
conf = flags.FLAGS

class ImageDataSet(object):
  def __init__(self, img_list_path, num_epoch, batch_size):

    # Build the record list queue
    input_file = open(images_list_path, 'r')
    self.record_list = []
    for line in input_file:
      line = line.strip()
      self.record_list.append(line)
    filename_queue = tf.train.string_input_producer(self.record_list, num_epochs=num_epoch)
    image_reader = tf.WholeFileReader()
    _, image_file = image_reader.read(filename_queue)
    image = tf.image.decode_jpeg(image_file, conf.img_colour_channels)

    # preprocess
    #  ...

    min_after_dequeue = 1000
    capacity = min_after_dequeue + 400 * batch_size
    self.images = tf.train.shuffle_batch(image, batch_size=batch_size, capacity=capacity,
      min_after_dequeue=min_after_dequeue)

Answer 1

我假设您要恢复图表以进行测试或部署。

出于这些目的，您可以通过插入占位符作为测试数据的入口来编辑图形。

要编辑图表，您可以使用tf的graph editor，或使用占位符构建新图表并保存。

Tensorflow：在图像管道中定义占位符/操作名称

1 个答案: