如何在TensorF中导入模型

Question

我在恢复保存的模型时遇到困难。我正在对CNN进行MNIST数据集的培训，所有这些都是根据MNIST教程Deep MNIST for Experts进行的，我用以下代码保存我的模型：

saver.save(sess, './Tensorflow_MNIST', global_step=max_steps)

这将创建以下文件：

• Tensorflow_MNIST-1000.data-00000-of-00001
• Tensorflow_MNIST-1000.索引
• Tensorflow_MNIST-1000.meta
• 检查点

稍后，我希望加载模型并继续使用以下内容进行培训：

^{pr2}$

但这将返回一个错误：

NameError: name 'train_step' is not defined

因此，图及其变量和操作似乎没有正确加载。我做错什么了？在

Answer 1

当使用saver.save()时，TensorFlow保存由张量组成的计算图，即TensorFlow的对象。

它不会保存您使用的所有变量。特别是，不是tf.Tensor的任何内容都不会被保存。

您可能希望拥有自己的数据结构来保存任何其他信息。

为了方便起见，您可以使用JSON格式，甚至可以使用pickle，这在python中使用起来非常简单，但不能手工编辑。

希望有帮助

Answer 2

保存时：

saver = tf.train.Saver(...variables...)
# Remember the training_op we want to run by adding it to a collection.
tf.add_to_collection('train_step', train_step)

恢复时：

^{pr2}$

如果您想重用该模型，我想将sess.run(train_step...)更改为 train_step(...)应该可以

Answer 3

按照import meta_graph中的描述，调用添加了“”和：0的所有张量似乎可以做到这一点。例如，计算精度的调用变成：

test_accuracy = sess.run("accuracy:0", feed_dict={"x:0": mnist.test.images, "y_:0": mnist.test.labels, "keep_prob:0": 1.0})