Question

我已经构建了一个通用的python类，用于与经过训练的神经网络进行交互，这些神经网络使用＆＃34; tf.saved_model.builder.SavedModelBuilder＆＃34;保存。

当我使用给定的神经网络从类继承一次时，一切正常。然而，当我再次继承具有不同结构的第二个神经网络时，张量流会抛出一个形状不适合的错误：＆＃34;分配要求两个张量的形状匹配。 lhs shape = [100,2] rhs shape = [400,4]＆＃34;

这些形状属于两种不同的神经网络，但我不明白为什么张力流会记住第一个网络。

有没有一种简单的方法可以解决这个问题？如果没有，在项目中使用多个神经网络的正确方法是什么？

这里是类代码：

import tensorflow as tf


# prevents tensorflow from using GPU
config = tf.ConfigProto(
  device_count={'GPU': 0}
)


class TFService():

  def __init__(self, netName, inputName, outputName):
    # opens a tensorflow session to use continously
    self.session = tf.Session(config=config)

    # loads the trained neural net
    importDir = 'ocr/neural_nets/{}'.format(netName)

    tf.saved_model.loader.load(
      self.session,
      [tf.saved_model.tag_constants.SERVING],
      importDir
    )

    # saves the input and output tensors for the net
    self.x = tf.get_default_graph().get_tensor_by_name(inputName)
    self.y_pred = tf.get_default_graph().get_tensor_by_name(outputName)

  def getPredictions(self, inputData):
    # the object to feed the neural net
    feed_dict = {self.x: inputData}

    # runs the neural net and returns an array with the predictions
    results = self.session.run(self.y_pred, feed_dict=feed_dict)

    return results

Answer 1

为不同的网络使用不同的图表。

您可以执行以下操作：

def __init__(self, netName, inputName, outputName):
    self.graph = tf.Graph()
    # opens a tensorflow session to use continously
    # use self.graph as graph the the session
    self.session = tf.Session(config=config, graph=self.graph)


    tf.saved_model.loader.load(
      self.session,
      [tf.saved_model.tag_constants.SERVING],
      importDir
    )

    # saves the input and output tensors for the net
    self.x = self.graph.get_tensor_by_name(inputName)
    self.y_pred = self.graph.get_tensor_by_name(outputName)

在相同的张量流导入上使用多个单独的神经网

1 个答案: