Question

给出各层的张量名称，是否可以仅对特定层评估输入，并且通常可以在正向传递过程中保存所有结果？

将感谢您的帮助

Answer 1

问题尚不清楚，但是我想这就是你的追求：

您创建的每个张量或操作都有一个可能的参数name。通过为每个张量提供一个名称，您可以使用tf.Graph().get_tensor_by_name并在调用时在feed_dict中传递所需的输入。

关于保存结果，您可以使用tf.train.Saver()类保存模型的当前状态。

这是一个简单的模型示例，其中在一个脚本中创建并保存一个模型，然后在另一个脚本中加载该模型，并使用tf.Graph().get_tensor_by_name访问其张量。

save_model.py

#create model
x = tf.placeholder(tf.float32, shape=[3,3], name="x")
w = tf.Variable(tf.random_normal(dtype=tf.float32, shape=[3,3], mean=0, stddev=0.5), name="w")    
xw = tf.multiply(x,w, name="xw")

# create saver
saver = tf.train.Saver()

# run and save model
x_input = np.ones((3,3))*2 # numpy array of 2s
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    xw_out = sess.run(xw, feed_dict={x: x_input})

    # save model including variables to ./tmp
    save_path = saver.save(sess, "./tmp/model.ckpt")
    print("Model saved with w at: \n {}".format(w.eval()))

>>>Model saved with w at: 
>>> [[ 0.07033788 -0.9353725   0.9999725 ]
>>> [-0.2922624  -1.143613   -1.0453095 ]
>>> [ 0.02661585  0.18821386  0.19582961]]

print(xw_out)

>>>[[ 0.14067577 -1.870745    1.999945  ]
>>>[-0.5845248  -2.287226   -2.090619  ]
>>>[ 0.05323171  0.3764277   0.39165923]]

load_model.py

# load saved model graph
saver = tf.train.import_meta_graph("./tmp/model.ckpt.meta")

x_input = np.ones((3,3))*2 # numpy array of 2s
with tf.Session() as sess:
    # Restore sesssion from saver
    saver.restore(sess, "./tmp/model.ckpt")
    print("Model restored.")

    # Check the values of the variables
    w = sess.run(sess.graph.get_tensor_by_name("w:0"))
    xw = sess.run(sess.graph.get_tensor_by_name("xw:0"), feed_dict={"x:0": x_input})
    print("Output calculated with w loaded from ./tmp at: \n {}".format(w))

>>>INFO:tensorflow:Restoring parameters from ./tmp/model.ckpt
>>>Model restored.
>>>Output calculated with w loaded from ./tmp at: 
>>> [[ 0.07033788 -0.9353725   0.9999725 ]
>>> [-0.2922624  -1.143613   -1.0453095 ]
>>> [ 0.02661585  0.18821386  0.19582961]]

print(xw)
>>>[[ 0.14067577 -1.870745    1.999945  ]
>>>[-0.5845248  -2.287226   -2.090619  ]
>>>[ 0.05323171  0.3764277   0.39165923]]

注意：:0中操作名称后面的“ get_tensor_by_name()”指定它是您想要的该操作输出的 0th 张量。

可以看到此代码在一组jupyter笔记本here中工作，并且如果已经构建了图形，则还有另一个更简单的实现。

Tensorflow评估，

1 个答案: