Question

我是张力流的新手，我希望你能帮助我。

我建立了张量流CNN网络并成功训练了它。训练数据集是matlab数组。现在我想使用训练有素的网络进行推理。我不知道如何编写用于推理的python代码。

在训练期间，我保存了模式。我不确定如何在推理中加载模型。
我的推理数据也是一个matlab数组，与训练数据相同。我怎么用呢？在训练期间，我使用了Tensorlayer的miniPatch，我应该在推理二中使用miniPatch吗？

以下是我的推理代码：它产生了很多错误：

print("\n\nPreparing testing data........................")
test_data = sio.loadmat('MyTest.mat')
Z0 = test_data['Real_testing1']
img_num_test = Z0.shape[0]
X_test = np.empty([img_num_test, 128, 128, 1], dtype=float)
X_test[:,:,:,0] = Z0
Y_test = np.column_stack((np.ones([img_num_test, 1], dtype=int),np.zeros([img_num_test, 1], dtype=int)))
print("\tTesting X shape: {0}".format(X_test.shape))
print("\tTesting Y shape: {0}".format(Y_test.shape))


print("\n\Restore the network ...")
save_dir = "checkpoints/";
epoch = 1000
model_name = save_dir + str(epoch) + '_model'
if not os.path.exists(save_dir):
    os.makedirs(save_dir)
saver = tf.train.Saver().restore(sess, save_path=model_name)

start_time_begin = time.time()

print("\n\Running network...")

start_time = time.time()

y = model.Scribenet(X_test[0, :, :, :], False, 1.0)
y = sess.run([y], feed_dict=feed_dict)
print(y[0:9])

sess.close()

以下是我的培训代码：

x = tf.placeholder(tf.float32, shape=[None, 128, 128, 1], name='x')
y_ = tf.placeholder(tf.int64, shape=[None, 2], name='y_')
keep_prob = tf.placeholder(tf.float32, name='keep_prob')
is_training = tf.placeholder(tf.bool, name='is_traininng')

net_in = x
net_out = model.MyCNN(net_in, is_training, keep_prob)

y = net_out
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_, name='cost'))
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
acc = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
y_op = tf.argmax(tf.nn.softmax(y),1)

train_op = tf.train.AdamOptimizer(learning_rate, beta1=0.9, beta2=0.999,
                                      epsilon=1e-08, use_locking=False).minimize(cost)

sess.run(tf.global_variables_initializer())

save_dir = "checkpoints/";
if not os.path.exists(save_dir):
    os.makedirs(save_dir)
saver = tf.train.Saver()

print("\n\nStart training the network ...")
start_time_begin = time.time()
for epoch in range(n_epoch):
    start_time = time.time()
    loss_ep = 0; n_step = 0
    for X_train_a, y_train_a in tl.iterate.minibatches(X_train, Y_train,
                                                batch_size, shuffle=True):
        feed_dict = {x: X_train_a, y_: y_train_a, is_training: True, keep_prob: train_keep_prob}
        loss, _ = sess.run([cost, train_op], feed_dict=feed_dict)
        loss_ep += loss
        n_step += 1
    loss_ep = loss_ep/ n_step

    if (epoch+1) % save_freq == 0:
        model_name = save_dir + str(epoch+1) + '_model'
        saver.save(sess, save_path=model_name)

Answer 1

主要问题似乎是您的推理代码中没有图表构建。您需要保存整个图形（在SavedModel format中），或者在推理代码中构建图形并通过训练检查点加载变量（可能是最容易启动的）。只要变量名称相同，您就可以将从训练图中保存的变量加载到推理图中。

因此，推理将是您的训练代码，但没有y_占位符且没有丢失/优化器逻辑。您可以提供单个图像（批量大小为1）以启动，因此也不需要批处理逻辑。

如何使用训练有素的张量流网络进行推理？

1 个答案: