张量流和预测中的恢复模型

我在神经网络的张量流中创建了模型。我保存了模型并将它恢复到另一个python文件中。张量流和预测中的恢复模型

的代码如下：

def restoreModel(): 
    prediction = neuralNetworkModel(x) 
    tf_p = tensorFlow.nn.softmax(prediction) 
    temp = np.array([2,1,541,161124,3,3]) 
    temp = np.vstack(temp) 

    with tensorFlow.Session() as sess: 
     new_saver = tensorFlow.train.import_meta_graph('model.ckpt.meta') 
     new_saver.restore(sess, tensorFlow.train.latest_checkpoint('./')) 
     all_vars = tensorFlow.trainable_variables() 

     tensorFlow.initialize_all_variables().run() 
     sess.run(tensorFlow.initialize_all_variables()) 
     predict = sess.run([tf_p], feed_dict={ 
      tensorFlow.transpose(x): temp, 
      y : *** 
     })

当我想预测 “TEMP” 变量！ X是矢量形状，我“转置”它以匹配形状。我不明白我需要在feed_dict变量中写什么。

来源

2016-12-15 Or Perets

我回答迟到，但也许它仍然可以有用。 feed_dict用于为张量流提供您希望占位符采用的值。 fetches（run的第一个参数）是您想要的结果列表。的feed_dict和按键的fetches元素必须是张量的名字（我没有尝试，虽然）或变量，你可以通过

graph = tf.get_default_graph() 
var = graph.get_operation_by_name('name_of_operation').outputs[0]

也许得到graph.get_tensor_by_name('name_of_operation:0')作品也一样，我没有尝试。

默认情况下，占位符的名称只是“Placeholder”，“Placeholder_1”等，按照图形定义中的创建顺序。

来源

2017-02-06 15:16:38 frabon

张量流和预测中的恢复模型

回答

相关问题