Question

使用Tensorflow 1.3.1

我已经创建了一个神经网络并对其进行了训练，现在我想使用tf.saved_model.simple_save(sess, export_dir, inputs, outputs)保存它，以便可以使用它进行预测。因此，我需要找到模型的'inputs'变量。

我的模型定义如下：

def __call__(self, obs, reuse=False):
    with tf.variable_scope(self.name) as scope:
        if reuse:
            scope.reuse_variables()

        x = obs
        x = tf.layers.dense(x, self.nb_units)
        if self.layer_norm:
            x = tc.layers.layer_norm(x, center=True, scale=True)
        x = tf.nn.relu(x)

        x = tf.layers.dense(x, self.nb_units)
        if self.layer_norm:
            x = tc.layers.layer_norm(x, center=True, scale=True)
        x = tf.nn.relu(x)

        x = tf.layers.dense(x, self.nb_actions,
                            kernel_initializer=tf.random_uniform_initializer(minval=-3e-3, maxval=3e-3))
        x = tf.nn.tanh(x)
    return x

当我查看范围内的变量时（使用）：

for i in tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='actor'):
    print(i.name + ':\t', end=''); print(i)

我得到：

actor/dense/kernel:0:   <tf.Variable 'actor/dense/kernel:0' shape=(270, 512) dtype=float32_ref>
actor/dense/bias:0: <tf.Variable 'actor/dense/bias:0' shape=(512,) dtype=float32_ref>
actor/LayerNorm/beta:0: <tf.Variable 'actor/LayerNorm/beta:0' shape=(512,) dtype=float32_ref>
actor/LayerNorm/gamma:0:    <tf.Variable 'actor/LayerNorm/gamma:0' shape=(512,) dtype=float32_ref>
actor/dense_1/kernel:0: <tf.Variable 'actor/dense_1/kernel:0' shape=(512, 512) dtype=float32_ref>
actor/dense_1/bias:0:   <tf.Variable 'actor/dense_1/bias:0' shape=(512,) dtype=float32_ref>
actor/LayerNorm_1/beta:0:   <tf.Variable 'actor/LayerNorm_1/beta:0' shape=(512,) dtype=float32_ref>
actor/LayerNorm_1/gamma:0:  <tf.Variable 'actor/LayerNorm_1/gamma:0' shape=(512,) dtype=float32_ref>
actor/dense_2/kernel:0: <tf.Variable 'actor/dense_2/kernel:0' shape=(512, 10) dtype=float32_ref>
actor/dense_2/bias:0:   <tf.Variable 'actor/dense_2/bias:0' shape=(10,) dtype=float32_ref>

我尝试保存它

x = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='actor/dense/kernel:0')[0]
y = tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES, scope='actor/dense_2/bias:0')[0]
tf.saved_model.simple_save(sess, model_save_name, inputs={"state": x}, outputs={"action": y})

然后用

加载

predict_fn = predictor.from_saved_model(load_dir)
predictions = predict_fn({"state": np.zeros(270)})

但是我得到了错误

ValueError: Cannot feed value of shape (270,) for Tensor 'actor/dense/kernel:0', which has shape '(270, 512)'

我尚未为输入数据定义占位符。这是否意味着我无法保存然后通过simple_save方法加载它？

Answer 1

除非我弄错了，否则这不是您在predictions = predict_fn({"state": np.zeros(270)})中使用模型的方式。

首先，您需要构建模型：这包括每个图层的类型和形状，还包括输入图层（占位符）
然后，您可以通过喂入占位符来进行训练/预测。

在您的示例中，我觉得您每次调用模型时都会重新构建模型。

但是我认为您的错误来自grepl("^[[:alnum:]]+_[[:digit:]]+_[[:digit:]]+\\.{0,1}[[:digit:]]+$", "lkas32kj_123_3.21")。您正在为模型提供一个numpy数组，但是您的模型没有用于放入数据的占位符。

Tensorflow：如何识别输入变量？ /是否可以在没有输入占位符的情况下保存和使用预测？

1 个答案: