Tensorflow -我恢复模型正确吗？

Question

我有下面的代码正在工作(没有错误)。我的问题是，我是否恢复模型正确？特别是我看不到语句print(v_)的任何输出。

所以，我想知道我做的是否正确：

1. 恢复模型
2. 使用恢复的模型 将tensorflow作为tf导入 数据，标签= cifar_tools.read_data('C:\Users\abc\Desktop\Testing') x= tf.placeholder(tf.float32，None，150 * 150) y= tf.placeholder(tf.float32，None，2) w1 = tf.Variable(tf.random_normal(5，5，1，64 ) b1 = tf.Variable(tf.random_normal(64)) w2 = tf.Variable(tf.random_normal(5，5，64)，b2 = tf.Variable(tf.random_normal(64)) w3 = tf.Variable(tf.random_normal(38*38*64,1024)) b3 = tf.Variable(tf.random_normal(1024)) w_out = tf.Variable(tf.random_normal(1024，2) b_out = tf.Variable(tf.random_normal(2)) def conv_layer(x，w，b)：conv = tf.nn.conv2d(x，w，tf.random_normal，填充=‘相同’) conv_with_b = tf.nn.bias_add(conv，b) conv_out = tf.nn.relu(conv_with_b)返回conv_out def maxpool_layer(conv，k=2)：返回tf.nn.max_pool(conv，ksize=1，k，k,1，strides=1，k，k,1，填充=‘同’) def模型()：x_reshaped = tf.reshape(x，shape=-1,150,150，( 1) conv_out1 = conv_layer(x_reshaped，w1，b1) maxpool_out1 = maxpool_layer(conv_out1) norm1 = tf.nn.lrn(maxpool_out1，4，bias=1.0，alpha=0.001 / 9.0，beta=0.75) conv_out2 = conv_layer(norm1，conv_out2，beta=0.75)=(，4，，/ 9.0，( beta=0.75) maxpool_out2 = maxpool_layer(norm2) maxpool_reshaped = tf.reshape(maxpool_out2，[-1，w3.get_shape().as_list()]) local = tf.add(tf.matmul(maxpool_reshaped，w3)，b3) local_out = tf.nn.relu(local) out =tf.add(local_out，en19#)，( tf.train.AdamOptimizer(learning_rate=0.001).minimize(cost) correct_pred =tf.equal( model_op，1)，tf.argmax(y,1))精度= tf.reduce_mean(tf.cast(correct_pred )，( tf.float32))以tf.Session()作为sess: sess.run(tf.global_variables_initializer() onehot_labels =tf.one_hot(标签，2，on_value=1.，off_value=0.，axis=-1) onehot_vals = sess.run(onehot_labels) batch_size = len(data) # Restore模型保护程序=tf.Session saver.restore(sess )，Tf.train.latest_checkpoint(‘./’) all_vars = tf.get_collection('vars')表示v in all_vars: v_ = sess.run(v) print(v_)表示j在范围(0，5)：打印(‘EPOCH’，j)在范围内(0，len(数据)，batch_size)：batch_data = datai:i+batch_size，：batch_onehot_vals = onehot_valsi:i+batch_size，：_，accuracy_val = sess.run(train_op，准确性，feed_dict={x: batch_data，y: batch_onehot_vals})打印(i，accuracy_val)打印

编辑1

恢复这种方式有效吗？

saver = tf.train.Saver()
saver = tf.train.import_meta_graph('C:\\Users\\Abder-Rahman\\Desktop\\\Testing\\mymodel.meta')
saver.restore(sess, tf.train.latest_checkpoint('./'))
print('model restored'

编辑2

这就是我如何保存我的模型的：

#Save model
saver = tf.train.Saver()
saved_path = saver.save(sess, 'C:\\Users\\abc\\Desktop\\\Testing\\mymodel')
print("The model is in this file: ", saved_path)

谢谢。

Answer 1

你的保护程序代码是正确的。而变量必须在检索集合之前添加到集合中。tf.add_to_collection("vars", w1) tf.add_to_collection("vars", b1) ...然后all_vars = tf.get_collection('vars')

Answer 2

通常，我会像这样还原一个TensorFlow模型：

 with tf.Session(graph=graph) as session:
    if os.path.exists(save_path):
        # Restore variables from disk.
        saver.restore(session, save_path)
    else:
        tf.initialize_all_variables().run()
        print('Initialized')

    # do the work
    # ... 
 saver.save(session, save_path)   # save the model

示例代码可以获取这里。

我需要了解更多关于如何保存模型的信息，您的模型似乎是在保存之前恢复的，并且您的模型没有转向tf.graph并与会话连接。

Answer 3

我假设您已经阅读了我的博客这里，模型保存机制非常简单，当您加载一个模型时，参数值和关系(这可能是您所关心的)由变量名称匹配。

例如

#simplesave.py
import tensorflow as tf

with tf.Graph().as_default() as g:#yes you have to have a graph first
  with tf.Session() as sess:
    b = tf.Variable(1.0, name="bias")
    saver = tf.train.Saver()
    saver.save(sess,'model') #b should be saved in the model file

#simpleload.py

import tensorflow as tf

with tf.Graph().as_default() as g:
  with tf.Session() as sess:
    #still need the definition, again
    b = tf.Variable(0.0, name="bias")
    saver = tf.train.Saver() #now it is satisfied...
    saver.restore(sess,model)

让我感到困惑的是，您使用了一个函数all_vars = tf.get_collection('vars')，但是您从未定义过一个名为"vars“的范围。您可能应该首先使用tf.all_variables()进行测试。