EXTRA：将模型封装在Tensorflow类中

Question

我有一个非常简单的模型，其中包含一个tf.Variable()，下面是谁的代码：

import tensorflow as tf

save_path="model1/model1.ckpt"

num_input = 2
n_nodes_hl1 = 2

with tf.variable_scope("model1"):
        hidden_1_layer = {
                'weights' : tf.Variable(tf.random_normal([num_input, n_nodes_hl1]), name='Weight1')
        }

def train_model():
    init = tf.global_variables_initializer()
    with tf.Session() as sess:
        sess.run(init)
        save_model(sess)

def save_model(sess):
    saver = tf.train.Saver(tf.global_variables(), save_path)
    saver.save(sess, save_path)

def load_model(sess):
    saver = tf.train.Saver(tf.global_variables(), save_path)
    saver.restore(sess, save_path)

def run_model():
    print("model1 running...")
    with tf.Session() as sess:
        load_model(sess)
        x = sess.run(hidden_1_layer)
        print(x)

#train_model()

第二个模型完全相同，但是名称从“ model1”更改为“ model2”。两种模型都经过培训，保存并分别完美工作。所以现在我想使用以下脚本对其进行测试：

import model1 as m1
import model2 as m2

m1.run_model()
m2.run_model()

在这里，我收到一条错误消息：

NotFoundError (see above for traceback): Key model2/Weight2 not found in checkpoint

因此，似乎运行导入会导致将所有变量添加到通用图形（即使它们在单独的变量范围内），然后无法从保存在model1的检查点中的model2中找到变量。谁能解决我的问题？ Tensorflow是否可以在一个脚本中运行几个不同的模型？

编辑-问题已解决 解决方案非常简单。您要做的是为每个模型创建单独的图形。这意味着您声明或计算的所有张量都必须在该图中。您还必须将其作为Session中的参数，例如：tf.Session(graph=self.graph) 整个示例如下：

import tensorflow as tf

save_path="model1/model1.ckpt"
class model1:
    num_input = 2
    n_nodes_hl1 = 2

    def init(self):
        self.graph = tf.Graph()
        with self.graph.as_default():
            with tf.variable_scope("model1"):
                    self.hidden_1_layer = {
                            'weights' : tf.Variable(tf.random_normal([self.num_input, self.n_nodes_hl1]), name='Weight1')
                    }

    def train_model(self):
        init = tf.global_variables_initializer()
        with tf.Session(graph = self.graph) as sess:
            sess.run(init)
            self.save_model(sess)

    def save_model(self, sess):
        saver = tf.train.Saver(tf.global_variables(), save_path)
        saver.save(sess, save_path)

    def load_model(self, sess):
        saver = tf.train.Saver(tf.global_variables(), save_path)
        saver.restore(sess, save_path)

    def run_model(self):
        print("model1 running...")
        with tf.Session(graph = self.graph) as sess:
            self.load_model(sess)
            x = sess.run(self.hidden_1_layer)
            print(x)

Answer 1

哦！常见的“我想使用多个模型”问题！只需确保在每个模型后重置图形即可：

tf.reset_default_graph()

您的代码如下：

import tensorflow as tf

import model1 as m1
m1.run_model()

tf.reset_default_graph()

import model2 as m2
m2.run_model()

为什么？？当您使用tf.Variable在tensorflow中创建变量时，该变量将添加到默认图形中。如果您一个接一个地导入两个模型，则只需在默认图形中创建所有变量！到目前为止，这是最简单的解决方案。考虑默认图作为黑板：您可以绘制自己喜欢的ML模型，但在重新使用之前需要将其擦干净！

注意：如果您想知道，另一种方法是为每个模型创建单独的图，但这要担心得多，我只建议您在必须具有两种模型同时。

EXTRA：将模型封装在Tensorflow类中

在避免几个图形的同时（更糟糕的是，它太可怕了！）的一种更好的实现方法是将整个模型封装在一个类中。因此，您的代码将如下所示：

import tensorflow as tf

class model():
    self.num_input = 2
    self.n_nodes_hl1 = 2
    def init(self, new_save_path)
        self.save_path=new_save_path

        tf.reset_default_graph()

        with tf.variable_scope("model1"):
            self.hidden_1_layer = {
                    'weights' : tf.Variable(tf.random_normal([self.num_input,
                                self.n_nodes_hl1]), name='Weight1')
            }
        self.saver = tf.train.Saver(tf.global_variables(), self.save_path)
        self.sess = tf.Session()
        self.sess.run(tf.global_variables_initializer())

    def save_model(self):
        self.saver.save(self.sess, self.save_path)

    def load_model(self):
        self.saver.restore(self.sess, self.save_path)

    def run_model(self):
        print("model1 running...")
        load_model()
        x = sess.run(self.hidden_1_layer)
        print(x)

    #train_model(self)

通过这种方式，您可以轻松做到：

import model

m1 = model('model1/model1.ckpt') # These two lines could be put into one
m1.run_model()                   #  m1 = model('model1/model1.ckpt').run_model()

m2 = model('model2/model2.ckpt')
m2.run_model()

您仍要在 for 循环中使用它吗？

import model

model_file_list = ['model1/model1.ckpt', 'model2/model2.ckpt']

for model_file in model_list:
    m = model(model_file ).run_model()
    # Run tests, print stuff, save stuff here!

在Tensorflow 1.9中的一个脚本中运行不同的模型

1 个答案:

EXTRA：将模型封装在Tensorflow类中