Question

我正面临张量流模型重量恢复问题。

因此，在训练模型期间，我在每次500次迭代后保存了模型检查点，

HttpsURLConnection

现在我有一个包含所有权重和元数据的检查点文件夹：

我已经下载了权重并创建了一个名为＆＃34; new_backup＆＃34;的新文件夹。所有权重和元都在那里：

当我尝试从该文件夹加载文件时：

if j%500==0:
                    with open('iterres.txt','a') as f:
                        f.write(str({'epoch': i, 'test_accuracy': evaluate_(model,batch_size=100),'iteration':j}) + '\n')
                        os.system('mkdir ' + str(i)+'epoch'+str(j))
                        saver.save(sess, '/home/g_cloud/exe_paul/'+str(i)+'epoch'+str(j)+'/'+str(i))

然后我收到了这个错误：

import tensorflow as tf


labels_dict={
              1: 'Yes', 
              0: 'No'
            }


with tf.Session() as sess:


    saver = tf.train.import_meta_graph('../new_backup/1.meta')
    restore = saver.restore(sess,tf.train.latest_checkpoint('../new_backup/'))
    graph=tf.get_default_graph()

    query= graph.get_tensor_by_name("input:0")
    result=graph.get_tensor_by_name("netout:0")

这是我的云帐户，1epoch1000是旧文件夹，其中所有重量都在培训期间保存。我的问题是，如果我使用相同的脚本来恢复模型，当有一个文件夹1epoch1000然后脚本正在工作，否则它会给出错误。

我如何更改meta到重定向路径或如何在任何地方恢复模型？

Answer 1

我试图找到答案但没有运气，然后我做了一些实验，所以当你保存你的模型时你会得到四个文件：

model.data
model.index
model.meta
checkpoint

现在将检查点打开为.txt文件，您将在其中看到一些路径：

model_checkpoint_path: "/home/g_cloud/exe_paul/1epoch1000/model"
all_model_checkpoint_paths: "/home/g_cloud/exe_paul/1epoch500/0"
all_model_checkpoint_paths: "/home/g_cloud/exe_paul/1epoch1000/0"
all_model_checkpoint_paths: "/home/g_cloud/exe_paul/1epoch2000/1"
all_model_checkpoint_paths: "/home/g_cloud/exe_paul/1epoch2500/1"
all_model_checkpoint_paths: "/home/g_cloud/exe_paul/1epoch3000/1"

只需将模型检查点的第一条路径更改为模型所在机器的本地路径。

之后改变本地路径的路径：

saver = tf.train.import_meta_graph('../new_backup/1.meta')
restore = saver.restore(sess,tf.train.latest_checkpoint('../new_backup/'))

就是这样。

Tensorflow：NotFoundError：没有这样的文件或目录

1 个答案: