是否可以从保存的模型中恢复tensorflow估计量？

Question

我使用tf.estimator.train_and_evaluate()来训练我的自定义估计器。我的数据集被划分为8:1:1，用于培训、评估和测试。在培训结束时，我希望恢复最佳模型，并使用tf.estimator.Estimator.evaluate()对测试数据进行评估。当前最好的模型是使用tf.estimator.BestExporter导出的。

虽然tf.estimator.Estimator.evaluate()接受checkpoint_path并恢复变量，但我无法找到任何简单的方法来使用tf.estimator.BestExporter生成的导出模型。当然，我可以在训练期间保留所有的检查点，自己寻找最好的模型，但这似乎不太理想。

有人能告诉我一个简单的解决办法吗？也许可以将保存的模型转换为检查点？

Answer 1

希望其他人能找到一种更清洁的方法。

tf.estimator.BestExporter导出最好的模型如下：

<your_estimator.model_dir>
+--export
   +--best_exporter
      +--xxxxxxxxxx(timestamp)
         +--saved_model.pb
         +--variables
            +--variables.data-00000-of-00001
            +--variables.index

另一方面，在your_estimator.model_dir中，检查点存储在三个文件中。

model.ckpt-xxxx.data-00000-of-00001
model.ckpt-xxxx.index
model.ckpt-xxxx.meta

首先，我使用了tf.estimator.Estimator.evaluate(..., checkpoint_path='<your_estimator.model_dir>/export/best_exporter/<xxxxxxxxxx>/variables/variables')，但这不起作用。

在复制your_estimator.model_dir中的一个元文件并将其重命名为"variables.meta“之后，评估似乎正常工作。

Answer 2

也许你可以试试tf.estimator.WarmStartSettings：docs/python/tf/估值器/WarmStartSettings

它可以加载在pb文件中的权重，并继续训练，这是我的项目。

您可以按以下方式设置“温暖启动”：

ws = WarmStartSettings(ckpt_to_initialize_from="/[model_dir]/export/best-exporter/[timestamp]/variables/variables")

然后一切都会好起来

Answer 3

基于@SumNeuron的Github问题的解决方案，tf.contrib.estimator.SavedModelEstimator是将保存的模型加载到Estimator的方法。

以下几点对我来说是可行的：

estimator = tf.contrib.estimator.SavedModelEstimator(saved_model_dir)
prediction_results = estimator.predict(input_fn)

令人费解的是，这基本上是完全没有文件的。