重用嵌入变量进行推理Tf.估计器美国石油学会

Question

在使用seq2seq体系结构的NMT中，在推理过程中，我们需要在训练阶段训练的嵌入变量作为GreedyEmbeddingHelper或BeamSearchDecoder的输入。在

问题是，在使用估计器API进行训练和推断的上下文中，如何提取经过训练的嵌入变量用于预测？在

Answer 1

我根据下面的stackoverflowanswer找到了一个解决方案。对于预测阶段，可以使用tf.contrib.框架.load_variable从训练和保存的Tensorflow模型中检索嵌入变量，如下所示：

if mode == tf.estimator.ModeKeys.PREDICT:
    embeddings = tf.constant(tf.contrib.framework.load_variable('.','embed/embeddings'))
    helper = tf.contrib.seq2seq.GreedyEmbeddingHelper(embedding=embeddings,
    start_tokens=tf.fill([batch_size], 1),end_token=0)

所以在我的例子中，我运行的代码来自包含保存模型的同一个文件夹，我的变量名是“embed/embedding”。通过这个模型训练的Tensordings只适用于这个模型。否则，请参考上面链接的答案。在

要使用estimator API查找变量名，可以使用get_variable_names（）方法获取保存在图中的所有变量名的列表。在