Question

当我尝试恢复学习模型时，我遇到了问题：

我的程序第一次运行时，它似乎没有加载变量，第二次运行它，变量被加载，第三次我在＆＃34; saver上有一个巨大的错误。恢复（sess，＆＃39; model.ckpt＆＃39;）＆＃34;以＆＃34; NotFoundError开头的行：在检查点＆＃34;中找不到关键beta2_power_2。

这是我的代码的开头：

with tf.Session() as sess:
    myModel = SoundCNN(8)#classes
    tf.global_variables_initializer().run() 

    saver = tf.train.Saver(tf.global_variables())

    saver.restore(sess, 'model.ckpt')

您可以在model.py文件中看到SoundCNN类here，即github项目。我是tensorflow和ML的新手，并希望使用awjuliani的项目来学习使用tf来实现声音导向的ML。

编辑：这是完整的代码：

print ("start")
bpm = 240
samplingRate = 44100
mypath = "instruments/drums/"
iterations = 1000
batchSize = 240

with tf.Session() as sess:
    myModel = SoundCNN(8)#classes
    tf.global_variables_initializer().run() 

    saver = tf.train.Saver(tf.global_variables())
    print("loading session ...")
    saver.restore(sess, 'model.ckpt')
    print("session loaded")


    print("processing audio ...")
    classes,trainX,trainYa,valX,valY,testX,testY = util.processAudio(bpm,samplingRate,mypath)
    print("audio processed")

    fullTrain = np.concatenate((trainX,trainYa),axis=1)

    quitFlag = False

    inputsize = fullTrain.shape[0]-1 #6607

    print("entering loop...")
    while (not quitFlag):
        indexstr = input("Type the index (0< _ <" + str(inputsize) + ") of the sample to test then press enter.\nYou can press enter without text for random index.\nType q to quit.\n")

        if (indexstr == "q" or indexstr == "Q"):
            quitFlag = True
        else:
            if(indexstr ==""):
                index = randint(0, inputsize)
                print("Index : " + str(index))
            else:
                index = int(indexstr)     

            tensors,labels_ = np.hsplit(fullTrain,[-1])
            labels = util.oneHotIt(labels_)
            tensor, label = tensors[index,:], labels[index]

            tensor = tensor.reshape(1,1024)

            result = myModel.prediction.eval(session=sess,feed_dict={myModel.x: tensor, myModel.keep_prob: 1.0})

            print("Model found sound: n°"+ str(result) + ".\nActual sound: n°" + str(np.argmax(label)) + ".\n" )

谢谢！

edit2：好的，我试过这段代码：

print ("start")
bpm = 240
samplingRate = 44100
mypath = "instruments/drums/"
iterations = 1000
batchSize = 240


tf.reset_default_graph()
myModel = SoundCNN(8)
saver = tf.train.Saver()

with tf.Session() as sess:

    print("loading session ...")
    saver.restore(sess, 'model.ckpt')
    print("session loaded")

变量没有被加载（错误的预测），但奇怪的是我可以通过添加以下代码来使代码工作：

    myModel = SoundCNN(8)
    saver = tf.train.Saver()
    print("loading session ...")
    saver.restore(sess, 'model.ckpt')
    print("session loaded")

在第一个saver.restore之后（sess，＆＃39; model.ckpt＆＃39;）

所以我让代码工作但它是一个令人讨厌的......

Answer 1

好的，首先，将模型的训练和测试分开。使用：tf.train.checkpoint_exists和tf.train.latest_checkpoint运行条件if语句。类似的东西：

if tf.train.checkpoint_exists(tf.train.latest_checkpoint(".")):
    test()
else:
    trainNetConv(iterations)
    test()

您最好只使用 latest_checkpoint ，因为它返回None或路径（如果找到检查点）。

只要您知道要加载模型以清除任何现有图形，就运行' tf.reset_default_graph（）。根据我的经验，它会叠加图形的副本，这会减慢运行时间，我想这可能会导致其他问题。特别是如果您计划在运行时多次执行此操作。

假设您已经有一个训练有素的模型，您必须首先通过调用 SoundCNN 来创建它，其类别数与您要加载的模型相同。确保创建完全相同的模型，即相同数量的类。在您提供的代码中，您使用8个类创建模型，但在“ trainNetConv ”中创建的模型的类数由' util.processAudio '确定。值得检查任何给定目录的类数确实为8，其中包含正在训练它的声音文件。

加载模型时的主要区别在于您没有初始化变量，即不使用全局变量调用 saver 对象或运行全局变量初始值设定项。您所要做的就是：

确保运行tf.reset_default_graph（）
创建模型，调用SoundCNN
创建一个没有参数的保护程序对象。
像你一样创建一个会话，
使用最新检查点的路径调用保护程序对象的函数恢复。将' tf.train.latest_checkpoint '与模型的基础目录一起使用。
你已经完成了。

检查我的GitHub以获取培训和测试阶段的完整示例。确保以'mnist'开头，因为它只是一个文件，而且最简单。

假设您希望为自己的用途定义其他变量，让我们说一些变量 Counter 和一个递增 Counter 的运算符如果预测是正确的。它需要在使用restore加载模型后放置，然后您将仅初始化这些附加变量。同样，我认为我的例子在这种情况下可能会有所帮助。

如果您还有其他问题，请询问，我会尽力帮助您。

Tensorflow：saver.restore无法恢复

1 个答案: