Question

我使用tensorflow的LinearClassifier（）类训练了逻辑回归模型模型，并设置了model_dir参数，该参数指定了模型训练期间保存检查点元数据的位置：

# Create temporary directory where metagraphs will evenually be saved
model_dir = tempfile.mkdtemp()

logistic_model = tf.contrib.learn.LinearClassifier(
    feature_columns=feature_columns, 
    n_classes=num_labels, model_dir=model_dir)

我一直在阅读从元图恢复模型，但是对于使用高级API创建的模型没有找到任何关于如何这样做的信息。 LinearClassifier（）有一个predict（）函数，但我找不到任何关于如何使用通过checkpoint元数据恢复的模型实例运行预测的文档。我该怎么做呢？一旦模型恢复，我的理解是我正在使用一个tf.Sess对象，它缺少LinearClassifier类的所有内置功能，如下所示：

with tf.Session() as sess:
  new_saver = tf.train.import_meta_graph('my-save-dir/my-model-10000.meta')
  new_saver.restore(sess, 'my-save-dir/my-model-10000')
  # Run prediction algorithm...

如何运行高级API使用的相同预测算法来对已恢复的模型进行预测？有没有更好的方法来解决这个问题？

感谢您的意见。

Answer 1

LinearClassifier()具有'model_dir'参数，如果指向经过训练的模型将恢复模型。
在培训期间，您可以：

logistic_model = tf.contrib.learn.LinearClassifier(feature_columns=feature_columns, n_classes=num_labels, model_dir=model_dir)
classifier.fit(X_train, y_train, steps=10)

在推理期间，LinearClassifier()将从给定的路径加载训练的模型，并且您不使用fit()方法，而是调用predict()方法：

logistic_model = tf.contrib.learn.LinearClassifier(feature_columns=feature_columns, n_classes=num_labels, model_dir=model_dir)
y_pred = classifier.predict(X_test)

如何从tensorflow高级API恢复经过训练的LinearClassifier并进行预测

1 个答案: