张量流训练网络并保存为功能

Question

我想训练一个网络，然后将该网络用作特征提取器；所以我想将其保存为一个函数。

我知道如何保存训练后的模型并重用模型I，但是我想像使用函数一样将此训练后的模型用作新图的一部分，请参见下面的结构。

我想我可能需要将新图附加到旧模型图上并修复旧模型的参数。谁能给我一些如何做的想法？谢谢。

# define a graph and train a model called mdl in a session
# this mdl will be fixed used in the new graph 

# start a new graph
cae_in = tf.placeholder(tf.float32,(None,a,b,1))
cae_out = tf.placeholder(tf.float32,(None,a,b,1))

# use this model to process my input
loss = mdl(cae_in) - cae_out


with tf.Session() as sess:
  # run this sess

Answer 1

我认为可以按照以下步骤操作：

• 您可能可以创建具有所需层和超参数的TF或Keras模型。我坚持使用TF Keras，因为它可以将模型保存为单个.h5文件。

• 保存模型后，创建一个名为mdl的新类，甚至创建一个方法。

• 使用此方法加载模型，并将输入（作为方法的参数提供）输入模型。

• 进行推理，进行处理并重塑形状，然后从该方法返回输出。

因此，您可以将模型封装在方法或类中。