Question

我目前正在使用GPR使用Gpflow实现算法。我想在GPR训练后保存参数并加载模型以进行测试。有人知道命令吗？

Answer 1

GPflow现在有一个包含tips & tricks的页面。您可以点击链接以找到问题的答案。但是，我还要在此处粘贴MWE：

假设您要存储GPR模型，可以使用gpflow.Saver()来完成：

kernel = gpflow.kernels.RBF(1)
x = np.random.randn(100, 1)
y = np.random.randn(100, 1)
model = gpflow.models.GPR(x, y, kernel)

filename = "/tmp/gpr.gpflow"
path = Path(filename)
if path.exists():
    path.unlink()
saver = gpflow.saver.Saver()
saver.save(filename, model)

要将其加载回去，您必须使用以下解决方案之一：

with tf.Graph().as_default() as graph, tf.Session().as_default():
    model_copy = saver.load(filename)

或者如果您想在之前存储模型的同一会话中加载模型，则需要应用一些技巧：

ctx_for_loading = gpflow.saver.SaverContext(autocompile=False)
model_copy = saver.load(filename, context=ctx_for_loading)
model_copy.clear()
model_copy.compile()

Answer 2

我为gpflow模型采用的一个选项是仅保存和加载可训练对象。假定您具有构建和编译模型的功能。通过将变量保存到hdf5文件中，我在下面展示了这一点。

import h5py

def _load_model(model, load_file):
    """
    Load a model given by model path
    """

    vars = {}
    def _gather(name, obj):
        if isinstance(obj, h5py.Dataset):
            vars[name] = obj[...]

    with h5py.File(load_file) as f:
        f.visititems(_gather)

    model.assign(vars)

def _save_model(model, save_file):
    vars = model.read_trainables()
    with h5py.File(save_file) as f:
        for name, value in vars.items():
            f[name] = value

保存和检索Gpflow模型的参数

2 个答案: