Question

我已经训练过二元分类器模型。模型类包含self.cost，self.initial_state，self.final_state和self.logits参数。只需使用tf.train.Saver

保存即可

saver = tf.train.Saver(tf.global_variables(), max_to_keep=1)
saver.save(session, 'model.ckpt')

模型训练完成后，我将其加载为：

with tf.variable_scope("Model", reuse=False):
    model = MODEL(config, is_training=False)

with tf.Session() as session:
    saver = tf.train.Saver(tf.global_variables())
    saver.restore(session, 'model.ckpt')

但是，我的model.run函数返回交叉熵丢失，这是图中的最后一个操作。我不需要丢失，我需要每个批处理元素的模型预测

logits = tf.sigmoid(tf.nn.xw_plus_b(last_layer, self.output_w, self.output_b))

其中last_layer是800x1矩阵，然后我将其重新整形为32x25x1（batch_size，sequence_length，1）矩阵。正是该矩阵包含[0-1]范围内的模型预测值。

那么，我如何使用这个模型来预测单个元素矩阵1x1x1？

Answer 1

添加计算准确性所需的OP，就像我在下面复制的那样（只是从我手边最近的模型中复制出来）。

  self.logits_flat = tf.argmax(logits, axis=1, output_type=tf.int32)
  labels_flat = tf.argmax(labels, axis=1, output_type=tf.int32)
  accuracy = tf.cast(tf.equal(self.logits_flat, labels_flat), tf.float32, name='accuracy')

现在，当您运行模型时（在测试或培训期间），将sess.run调用的准确性添加为：

sess.run([train_op, accuracy], feed_dict=...)

或

sess.run([accuracy, logits], feed_dict=...)

当您致电sess.run时，您所做的就是告诉tensorflow计算您要求的任何值。您需要将它传递给执行这些计算所需的任何数据。 Tensorflow是懒惰的，它不会执行任何明确生成您请求的结果所必需的计算。例如。如果您运行上面列出的sess.run的第二个版本，则不会运行优化程序，因此您的权重将不会更新。

请注意，您可以在训练网络后添加OP，因为它们实际上都没有添加任何变量，因此它们不会影响保存/恢复过程。

如何从训练有素的Tensorflow分类器中获取类预测？

1 个答案: