如何从恢复的模型中预测MLP张量流？

stackoverflowers，我需要张量专家的帮助。其实我已经建立了一个多层感知器，训练它，测试它，并且一切都很好。但是，当我恢复模型并尝试再次使用它时，其准确性不符合训练模型，并且预测与真实标签有很大不同。我用于恢复预测的代码如下：（我正在使用R）如何从恢复的模型中预测MLP张量流？

pred <- multiLayerPerceptron(test_data) 
init <- tf$global_variables_initializer() 
with(tf$Session() %as% sess, { 
    sess$run(init) 
    model_saver$restore(sess, "log_files/model_MLP1") 
    test_pred_1 <- sess$run(pred, feed_dict= dict(x = test_data)) 

})

是否所有代码都正常？仅供参考，我希望通过这部分代码来获得我的模型对test_data的预测。

来源

2017-08-16 Kaz

要明确一点，您是使用模型上的相同数据还是使用不同的“测试”数据集？ –

我正在使用另一组作为“training_data”，但当然是同一种数据。问题是，当我在训练之后的同一个环节中评估这个测试集时，模型的准确性也很好，但是一旦我关闭了所有内容并尝试恢复模型，我就会觉得它的行为就像随机生成的神经网络根本没有受过训练。因此，我认为问题在于恢复语法。 – Kaz

因此，它对你的训练集效果很好，但一旦进入“真实世界”，它就不能很好地工作。听起来像是过度拟合的例子。 –

您的代码未显示model_saver已初始化的位置，但应在创建计算图形后创建。如果不是，它不知道要恢复/保存哪些变量。因此在pred <- multiLayerPerceptron(test_data)之后创建您的model_saver。

请注意，如果您在训练过程中犯了同样的错误，您的检查点将为空，您需要先重新训练模型。

来源

2017-08-16 13:04:24 GeertH

如何从恢复的模型中预测MLP张量流？

回答

相关问题