Question

我刚训练CNN识别具有张量流的太阳黑子。我的模型与this几乎相同。问题是我无法找到关于如何使用训练阶段生成的检查点进行预测的明确解释。

尝试使用标准恢复方法：

saver = tf.train.import_meta_graph('./model/model.ckpt.meta')
saver.restore(sess,'./model/model.ckpt')

然后我无法弄清楚如何运行它尝试使用tf.estimator.Estimator.predict()这样：

# Create the Estimator (should reload the last checkpoint but it doesn't)
sunspot_classifier = tf.estimator.Estimator(
    model_fn=cnn_model_fn, model_dir="./model")

# Set up logging for predictions
# Log the values in the "Softmax" tensor with label "probabilities"
tensors_to_log = {"probabilities": "softmax_tensor"}
logging_hook = tf.train.LoggingTensorHook(
    tensors=tensors_to_log, every_n_iter=50)

# predict with the model and print results
pred_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": pred_data},
    shuffle=False)
pred_results = sunspot_classifier.predict(input_fn=pred_input_fn)
print(pred_results)

但它的作用是吐出<generator object Estimator.predict at 0x10dda6bf8>。如果我使用相同的代码，但使用tf.estimator.Estimator.evaluate()，它就像一个魅力（重新加载模型，执行评估并将其发送到TensorBoard）。

我知道有很多类似的问题，但我无法找到对我有用的方法。

Answer 1

sunspot_classifier.predict(input_fn=pred_input_fn)返回生成器。所以pred_results是生成器对象。要从中获取价值，您需要按next(pred_results)

进行迭代

解决方案是 print(next(pred_results))

如何使用来自检查点的tf.estimator.Estimator进行预测？

1 个答案: