如何保存深度学习模式，并在培训后进行测试？

Question

我用tensorflow编写了一个用于python的CNN模型，该模型用于对肺CT图像(癌症/非癌症)进行分类，经过训练和验证数据训练模型并获得合理的准确性，毕竟，我需要用测试数据来测试模型，但我不知道如何做到这一点？如何保存模型并将其用于测试？

Answer 1

您可以在本教程中找到详细信息：拯救CNN模型

概括地说：

Tensorflow变量仅在会话中处于活动状态。因此，您必须通过对saver对象调用save方法来保存会话中的模型。

import tensorflow as tf
saver = tf.train.Saver()
sess = tf.Session()
sess.run(tf.global_variables_initializer())
saver.save(sess, 'my_test_model')

为了在1000次迭代后保存模型，通过传递步骤计数来调用保存：

saver.save(sess, 'my_test_model',global_step=1000)

使用预先训练的模型进行微调：

with tf.Session() as sess:    
    saver = tf.train.import_meta_graph('my-model-1000.meta')
    saver.restore(sess,tf.train.latest_checkpoint('./'))
    print(sess.run('w1:0'))
##Model has been restored. Above statement will print the saved value of w1.

通过添加更多的层来添加更多的操作，然后对其进行训练。

sess=tf.Session()    
#First let's load meta graph and restore weights
saver = tf.train.import_meta_graph('my_test_model-1000.meta')
saver.restore(sess,tf.train.latest_checkpoint('./'))


# Now, let's access and create placeholders variables and
# create feed-dict to feed new data

graph = tf.get_default_graph()
w1 = graph.get_tensor_by_name("w1:0")
w2 = graph.get_tensor_by_name("w2:0")
feed_dict ={w1:13.0,w2:17.0}

#Now, access the op that you want to run. 
op_to_restore = graph.get_tensor_by_name("op_to_restore:0")

#Add more to the current graph
add_on_op = tf.multiply(op_to_restore,2)

print sess.run(add_on_op,feed_dict)
#This will print 120.