Question

还原模型后，由于命名问题，我无法使用占位符

所以我有以下两个功能可以保存和恢复我的模型：

def save_model(sess,x,y_labels,accuracy,keep_prob,step,saved_model_file):
    inputs_model={"x_placeholder":x,"y_labels_placeholder":y_labels,"keep_prob_placeholder":keep_prob}
    output_model={"accuracy_placeholder":accuracy,"Adam_opt":step}
    builder = tf.saved_model.builder.SavedModelBuilder(saved_model_file)
    builder.add_meta_graph_and_variables(sess, ["myTag"], signature_def_map= {"myModel": tf.saved_model.signature_def_utils.predict_signature_def(inputs_model,output_model)})
    builder.save()
def restore_model(save_model_path,graph,sess):

    print("Restoring saved model...")
    tf.saved_model.loader.load(sess,["myTag"],save_model_path)
    y_labels=graph.get_tensor_by_name("y_labels_placeholder:0")
    x=graph.get_tensor_by_name("x_placeholder:0")
    keep_prob=graph.get_tensor_by_name("keep_prob_placeholder:0")
    accuracy=graph.get_tensor_by_name("accuracy_placeholder:0")
    step=graph.get_operation_by_name("Adam_opt")
    return (x,y_labels,keep_prob,step,accuracy)

函数运行正常，我可以通过调用restore函数来恢复张量和操作：

(x,y_labels,keep_prob,step,accuracy)=restore_model(save_model_path,graph1,sess)

但是，在第一次培训期间以及保存任何模型或重新加载任何模型之前，我正在运行此培训步骤的代码行：

sess.run(step,feed_dict={x: mbatch_x,y_labels: mbatch_y,keep_prob: 0.5})

并且运行良好（初始化的占位符正在供稿）

但是在我恢复了模型之后，后一行代码无法正常工作，占位符未送入存在一些问题

错误消息是

InvalidArgumentError（请参阅上面的回溯）：您必须使用dtype float输入占位符张量'keep_prob_placeholder_1'的值 [[节点keep_prob_placeholder_1（定义为E：/nn/NN_1.py：60）]]

我知道这与占位符的命名有关，但我不知道确切的语法

命名为供稿的占位符是什么？

0 个答案: