在张量流中加载metagraph和检查点

我一直在研究这一段时间，似乎无法破解它。在其他问题中，我看到他们使用这些代码示例为了保存和恢复使用metagraph和检查点文件的模型，但是当我做类似的事情时，它说w1未定义，当我将savemodel和restore模型分开时python文件。当我在保存部分的末尾恢复时，它可以正常工作，但它无法在一个单独的文件中重新定义所有内容。我查看了检查点文件，看起来奇怪，它只有两行，它似乎没有引用任何变量或有任何值。它只有1kb。我曾尝试将'w1'作为字符串放入打印函数中，而不是返回值，而是返回值。这是否适用于其他人？如果是这样，你的检查点文件是什么样的？在张量流中加载metagraph和检查点

#Saving 
import tensorflow as tf 
w1 = tf.Variable(tf.random_normal(shape=[2]), name='w1') 
w2 = tf.Variable(tf.random_normal(shape=[5]), name='w2') 
saver = tf.train.Saver([w1,w2]) 
sess = tf.Session() 
sess.run(tf.global_variables_initializer()) 
saver.save(sess, 'my_test_model',global_step=1000) 

#restoring 
with tf.Session() as sess:  
    saver = tf.train.import_meta_graph('my_test_model-1000.meta',clear_devices=True) 
    saver.restore(sess,tf.train.latest_checkpoint('./')) 
    print sess.run(w1)

来源

2017-05-11 Ryan Chesler

重复http://stackoverflow.com/questions/33759623/tensorflow-how-to-save-restore-a-model – hars

您的图保存正确，但恢复它不会恢复包含图的节点的变量。 w1是一个python变量，你从来没有声明过在'恢复'部分代码。为了得到一个手柄上的权重，

可以在TF图形使用他们的名字：w1=get_variable(name='w1')。问题是你必须密切关注你的名字范围，并确保你没有多个相同名称的变量（在这种情况下，TF为他们的名字添加'_1'，所以你可能会得到错误的）。如果你这样做，张量板可以帮助你知道每个变量的确切名称。
您可以使用集合：将有趣的节点保存到集合中，并在还原后从它们中取回。在构建图表时，在保存之前，请执行以下操作：例如：tf.add_to_collection('weights', w1)和tf.add_to_collection('weights', w2)，并在您的还原代码中：[w1, w2] = tf.get_collection('weights1')。那么你可以正常使用w1和w2。

我认为后者虽然更详细，但对于未来架构的变化可能会更好。我知道所有这些看起来都很冗长，但请记住，通常情况下，您不必在所有变量上取回句柄，但只有少数变量：输入，输出和训练步骤通常已足够。

来源

2017-05-11 08:14:32 gdelab

谢谢。我现在就试试看。你有机会知道为什么这个代码片段是共享的吗？如果它只在同一个文件中工作，它似乎不是特别有用。 –

得到它的工作。只是对您的代码进行一次小小的更正它是'tf.get_collection'而不是'tf.get_from_collection'。感谢您的帮助。我拉着头发不确定为什么它为其他人工作，但不是我。 –

我认为旧的做事方式是重新创建图形，然后加载检查点，而不使用元图。在这种情况下，您可以直接使用w1（因为它是在您构建图形时定义的）。我们实际上仍然可以这样做，我忘了在我的答案中提到它。但是，当你加载它时，你仍然需要访问图形构建函数，并且你需要与保存的图形完全一样，所以它又不如当前方法强壮：如果在代码中更改1个节点名称实例，你将无法加载旧的ckpt ... – gdelab

在张量流中加载metagraph和检查点

回答

相关问题