Question

我有一个Convnet，我试图将其复制（而不是原始代码），仅当我在同一位置进行训练和测试时，该Convnet才能将测试数据集运行到训练后的模型中。坐下后，我只调整了几行代码以使其运行测试数据，所以我不确定可能会发生什么。我注意到“ logits_out”是数据流边缘，而不是张量板中的节点，这是因为没有自动将边缘保存在检查点中，同时也没有将其保存为节点或其他任何形式原始代码，在第一次开会后不能调用它？这是培训阶段的一般结构：

tf.reset_default_graph()
graph = tf.Graph()

with graph.as_default():
    with tf.name_scope('1st_pool'):
        #first layer
#subsequent layers

with graph.as_default():
    #flattening, dropout, optimization, etc...
    #some summary.scalar for loss analyses
    logits_out = tf.layers.dense(flat, 1) #flat is the flattened array

    saved_1 = tf.train.Saver()
    trained_event = tf.summary.FileWriter('./CNN/train', graph=graph)

    test_event = tf.summary.FileWriter('./CNN/test', graph=graph)

    merged = tf.summary.merge_all()

with tf.Session(graph=graph) as sess:
    #training and "validating"
    sess.run(tf.global_variables_initializer())
    #running train summaries

    if step = test_round:
        #running test summaries
        saved_1.save(sess, './CNN/model_1.ckpt')

（编辑：代码粘贴错误） 这段代码在连续坐着且图形仍打开的情况下成功运行：

with tf.Session(graph=graph) as sess:

    saved_1.restore(sess, tf.train.latest_checkpoint('./CNN'))
    #
    pred = sess.run(logits_out, feed_dict={some inputs for placeholders})
    #

仅调整了两行（如下所示），以便在第二天将元文件加载到新图形中，但是在尝试运行时出现错误“未定义名称'logits_out'”在另一个地方坐坐（实际上，我尝试进行sess.run的其他变量也出现了相同的错误）：

with tf.Session(graph=tf.get_default_graph()) as sess:
    saved_1 = tf.train.import_meta_graph('./CNN/model_1.ckpt.meta')
    saved_1.restore(sess, tf.train.latest_checkpoint('./CNN'))
    pred = sess.run(logits_out, feed_dict={some inputs for placeholders})
    #

编辑：我想这可能是因为第二天恢复了会话/图形之后，我错过了一个作用域-或误解了张量流如何命名东西，但我不知道如何-唯一的原因是命名为泳池。

Answer 1

通过今天运行这段代码来创建图形，我能够通过模型运行数据：

tf.reset_default_graph()
graph = tf.Graph()

with graph.as_default():
    with tf.name_scope('1st_pool'):
        #first layer
#subsequent layers

with graph.as_default():
    #flattening, dropout, optimization, etc...
    #some summary.scalar for loss analyses
    logits_out = tf.layers.dense(flat, 1) #flat is the flattened array

    saved_1 = tf.train.Saver()
    trained_event = tf.summary.FileWriter('./CNN/train', graph=graph)

    test_event = tf.summary.FileWriter('./CNN/test', graph=graph)

    merged = tf.summary.merge_all()

with tf.Session(graph=graph) as sess:
    #training and "validating"
    sess.run(tf.global_variables_initializer())
    #running train summaries

    if step = test_round:
        #running test summaries
        saved_1.save(sess, './CNN/model_1.ckpt')

然后运行

未编辑2行的代码：

with tf.Session(graph=graph) as sess:

    saved_1.restore(sess, tf.train.latest_checkpoint('./CNN'))
    #
    pred = sess.run(logits_out, feed_dict={some inputs for placeholders})
    #

因此，所有关于SO的要旨是，我不必使用tf.train.import_meta_graph，但是我不明白的是tf.train.import_meta_graph的用途是什么？我认为它可以导入图形并将其元数据保存在“ .meta”文件中，因此我可以避免不得不从源代码重建图形？ （注意：一旦确定后，我将删除此后记问题）

关闭会话后运行Tensorflow模型测试数据

1 个答案: