saver.restore不恢复

Question

当我试图恢复一个学习模型时，我遇到了一个问题：

当我的程序第一次运行时，它似乎没有加载变量，第二次运行时，变量被加载，第三次我在"saver.restore(sess，'model.ckpt')“行上出现了一个巨大的错误，以"NotFoundError: Key beta2_power_2 not in检查点”开头。

下面是我的代码的开头：

with tf.Session() as sess:
    myModel = SoundCNN(8)#classes
    tf.global_variables_initializer().run() 

    saver = tf.train.Saver(tf.global_variables())

    saver.restore(sess, 'model.ckpt')

您可以在SoundCNN文件中看到这里类github项目。我是新的tensorflow和ML，并希望使用awjuliani的项目，以学习使用tf为声音导向的ML。

编辑:这是完整的代码：

print ("start")
bpm = 240
samplingRate = 44100
mypath = "instruments/drums/"
iterations = 1000
batchSize = 240

with tf.Session() as sess:
    myModel = SoundCNN(8)#classes
    tf.global_variables_initializer().run() 

    saver = tf.train.Saver(tf.global_variables())
    print("loading session ...")
    saver.restore(sess, 'model.ckpt')
    print("session loaded")


    print("processing audio ...")
    classes,trainX,trainYa,valX,valY,testX,testY = util.processAudio(bpm,samplingRate,mypath)
    print("audio processed")

    fullTrain = np.concatenate((trainX,trainYa),axis=1)

    quitFlag = False

    inputsize = fullTrain.shape[0]-1 #6607

    print("entering loop...")
    while (not quitFlag):
        indexstr = input("Type the index (0< _ <" + str(inputsize) + ") of the sample to test then press enter.\nYou can press enter without text for random index.\nType q to quit.\n")

        if (indexstr == "q" or indexstr == "Q"):
            quitFlag = True
        else:
            if(indexstr ==""):
                index = randint(0, inputsize)
                print("Index : " + str(index))
            else:
                index = int(indexstr)     

            tensors,labels_ = np.hsplit(fullTrain,[-1])
            labels = util.oneHotIt(labels_)
            tensor, label = tensors[index,:], labels[index]

            tensor = tensor.reshape(1,1024)

            result = myModel.prediction.eval(session=sess,feed_dict={myModel.x: tensor, myModel.keep_prob: 1.0})

            print("Model found sound: n°"+ str(result) + ".\nActual sound: n°" + str(np.argmax(label)) + ".\n" )

谢谢!

edit2:好的，我试了一下下面的代码：

print ("start")
bpm = 240
samplingRate = 44100
mypath = "instruments/drums/"
iterations = 1000
batchSize = 240


tf.reset_default_graph()
myModel = SoundCNN(8)
saver = tf.train.Saver()

with tf.Session() as sess:

    print("loading session ...")
    saver.restore(sess, 'model.ckpt')
    print("session loaded")

而且变量没有加载(错误的预测)，但奇怪的是，我可以通过添加：

    myModel = SoundCNN(8)
    saver = tf.train.Saver()
    print("loading session ...")
    saver.restore(sess, 'model.ckpt')
    print("session loaded")

在第一个saver.restore之后(sess，'model.ckpt')

所以我让代码起作用了但这是个恶心的..。

Answer 1

那么首先，模型的训练和测试是分开的。使用：存在和检查点运行条件if语句。类似于：

if tf.train.checkpoint_exists(tf.train.latest_checkpoint(".")):
    test()
else:
    trainNetConv(iterations)
    test()

您最好只使用latest_checkpoint，因为如果找到检查点，它将返回None或路径。

每当您知道要加载一个模型以清除任何现有的图形时，就运行'tf.reset_default_graph()‘。根据我的经验，它堆叠了图的副本，这减慢了运行时的速度，我猜这可能会导致其他问题。特别是如果您计划在运行时多次执行此操作。

假设您已经有了一个经过训练的模型，您必须像通常一样创建它，方法是使用与您希望加载的模型相同数量的类调用SoundCNN。确保创建完全相同的模型，即相同数量的类。在您提供的代码中，您使用8个类创建模型，但是在'trainNetConv‘中创建的模型的类数由'util.processAudio’决定。值得检查的是，对于任何有声音文件的给定目录，类的数量确实是8个。

加载模型时的关键区别在于不初始化变量，即不使用全局变量调用保护程序对象或运行全局变量初始化程序。你所要做的就是：

1. 确保运行tf.reset_default_graph()
2. 创建模型，调用SoundCNN
3. 创建一个没有参数的保护程序对象。
4. 像你一样创建一个会话，
5. 使用通往最新检查点的路径调用保护程序对象的函数还原。在模型的基dir中使用“tf.train.latest_checkpoint”。
6. 你就完蛋了。

有关培训和测试阶段的完整示例，请查看我的GitHub。确保从'mnist‘开始，因为它只是一个文件，在那里是最简单的。

假设您希望为自己的使用定义额外的变量，那么假设有一些变量计数器和一个操作符，如果预测是正确的，它会增加计数器。需要在使用restore加载模型之后放置它，然后只初始化这些附加变量。同样，我认为我的例子在这种情况下可能会有所帮助。

如果你还有什么问题请问，我会尽力帮忙的。