Question

我刚刚浏览了Stack Overflow和其他论坛，但找不到任何对我的问题有帮助的内容。但它似乎与this question有关。

我目前有一个经过训练的Tensorflow模型（128个输入和11个输出），我按照Tensorflow的MNIST教程保存了这个模型。

它似乎很成功，我现在在这个文件夹中有一个模型，包含3个文件（.meta，.ckpt.data和.index）。但是，我想恢复它并将其用于预测：

#encoding[0] => numpy ndarray (128, ) # anyway a list with only one entry
#unknowndata = np.array(encoding[0])[None]
unknowndata = np.expand_dims(encoding[0], axis=0)
print(unknowndata.shape) # Output (1, 128)

# Restore pre-trained tf model
with tf.Session() as sess:
    #saver.restore(sess, "models/model_1.ckpt")
    saver = tf.train.import_meta_graph('models/model_1.ckpt.meta')
    saver.restore(sess,tf.train.latest_checkpoint('models/./'))
    y = tf.get_collection('final tensor') # tf.nn.softmax(tf.matmul(y2, W3) + b3)
    X = tf.get_collection('input') # tf.placeholder(tf.float32, [None, 128])

    # W1 = tf.get_collection('vars')[0]
    # b1 = tf.get_collection('vars')[1]
    # W2 = tf.get_collection('vars')[2]
    # b2 = tf.get_collection('vars')[3]
    # W3 = tf.get_collection('vars')[4]
    # b3 = tf.get_collection('vars')[5]

    # y1 = tf.nn.relu(tf.matmul(X, W1) + b1)
    # y2 = tf.nn.relu(tf.matmul(y1, W2) + b2)
    # yLog = tf.matmul(y2, W3) + b3
    # y = tf.nn.softmax(yLog)

    prediction = tf.argmax(y, 1)

    print(sess.run(prediction, feed_dict={i: d for i,d in zip(X, unknowndata.T)}))
    # also had sess.run(prediction, feed_dict={X: unknowndata.T}) and also not transposed, still errors

# Output: [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0] # one should be 1 obviously with a specific percentage

我只遇到问题......

ValueError：无法为Tensor'x：0'提供shape（1，）的值，其形状为'（？，128）' 我打印'unknowndata'的形状，它匹配（1,128）。我也试过

sess.run(prediction, feed_dict={X: unknownData})) # with transposed etc. but nothing worked for me there I got the other error

TypeError：不可用类型：'list'

我只想对这个美丽的Tensorflow训练模型进行一些预测。

Answer 1

我发现了问题！首先，我需要恢复所有的值（权重和偏差，并将它们分开）。其次，我需要创建与训练模型中相同的输入，在我的情况下：

X = tf.placeholder(tf.float32, [None, 128])

然后调用预测：

sess.run(prediction, feed_dict={X: unknownData})

但我没有得到任何百分比分布，但我希望由于softmax功能。有人知道如何访问这些吗？

Answer 2

y张量由prediction上的argmax获得。执行y时，您可以在输出Feed中添加sess.run，而不是仅返回output_feed = [prediction, y] preds, probs = sess.run(output_feed, print(sess.run(prediction, feed_dict={i: d for i,d in zip(X, unknowndata.T)}))。

preds

probs将对模型进行预测，method: 'GET'将具有概率分数。

Answer 3

首先，当你保存时，你必须在集合中添加你需要的占位符tf.add_to_collection（＆＃39; i＆＃39;，i），然后检索它们并将它们传递给feed_dict。

在你的例子中是＆＃34;我＆＃34;：

i = tf.get_collection('i')[0]
#sess.run(prediction, feed_dict={i: d for i,d in zip(X, unknowndata.T)})

Tensorflow无法为Tensor'x：0'提供形状值（1，），其形状为'（？，128）'

3 个答案: