Question

我想对文件ConvNet.py进行几次训练，以便生成有关其训练的一些统计信息，例如精度，混淆矩阵等。因此，我尝试（在Google colab中）做类似的事情

for k in range(10:
    %run ConvNet.py

第一次训练进行得很好，但是在第二次训练开始时就出现了问题。它说“ weights变量已被定义，不允许使用”（weights是我在ConvNet.py中定义的第一变量），脚本停止了。

我尝试用os kill清除变量，但是仍然存在问题。我该如何解决？

Answer 1

如果直接用Python进行迭代训练可能会更好。

您对设置没有太多的分享，但是您可以执行以下操作：

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

def build_model():
    model = tf.keras.models.Sequential()

    model.add(tf.keras.layers.Flatten(input_shape=(28,28,)))
    model.add(tf.keras.layers.Dense(32, activation="relu"))
    model.add(tf.keras.layers.Dense(10, activation="sigmoid"))

    model.compile(optimizer=tf.train.AdamOptimizer(), 
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

    return model


for i in range(10):
    model = build_model()

    model.fit(x_train, y_train)

    model.save_weights(f"./weights-{i}.hdf5")

要进行分析时：

for i in range(10):
    model = build_model()

    model.load_weights(f"./weights-{i}.hdf5")

    do_analysis(model)

如何在张量流中多次运行模型？

1 个答案: