0

tf.Estimatorを使用してモデルを訓練し、評価しました。ここで、約83-85%の列車/評価精度に達しました。ここでは、Estimatorクラスのpredict()関数呼び出しを使用して別のデータセットでモデルをテストしたいと思います。私は別のスクリプトでこれを行うことをお勧めします。Tensorflow Estimator:別のスクリプトでpredict()関数を使用する

私はthisにあります。私はSavedModelとしてエクスポートする必要があると言いますが、これは本当に必要ですか? Estimatorクラスのdocumentationを見ると、model_dirパラメータを使用してチェックポイントとグラフファイルにパスを渡すだけのようです。誰にもこれに関する経験はありますか?検証のために使用したのと同じデータセットでモデルを実行すると、検証フェーズと同じパフォーマンスが得られません。:-(

+0

トレーニングに使用したのと同じパスをEstimaに渡す()関数がうまくいくはずです –

答えて

1

model_fnの定義を含む別個のファイルが必要です。あなたは同じmodel_fn定義と同じmodel_dirを使用して、別のスクリプトで同じ推定クラスをインスタンス化します。

見積もりの​​APIがtf.Graph定義と最新model.ckptファイルを回復するので、あなたがトレーニングを継続することができますので、それ自体で動作することを、評価

+0

私は、TFRecords形式のデータを収集するためのスクリプトを書いたとき、私はそのosに気づいていなかったので、私のpredict()関数が期待どおりに動作しなかった理由を発見しました。 listdirはディレクトリ要素をランダムな順序でリストしているので、予測されたラベルは地面の真理と全く一致しませんでした。 あなたのコメントは正しいです。 – Neergaard