tensorflow：訓練されたモデルを保存/復元する方法

Question

これは、訓練されたモデルを保存し復元する方法の例です。 これは初心者に役立つことを願っています。

relu活性化機能を備えた1つの隠れ層ニューラルネットワークを生成する。 （聞いたreluはSigmoidよりもはるかに良く、特に隠れたレイヤーが多いニューラルネットワークの方が優れていることが証明されています）

トレーニングデータは明らかにXORです。

電車や "tf_train_save.py"

import tensorflow as tf 
import numpy as np 

x = np.matrix([[0, 0], [0, 1], [1, 0], [1, 1]]) 
y = np.matrix([[0], [1], [1], [0]]) 

n_batch = x.shape[0] 
n_input = x.shape[1] 
n_hidden = 5 
n_classes = y.shape[1] 

X = tf.placeholder(tf.float32, [None, n_input], name="X") 
Y = tf.placeholder(tf.float32, [None, n_classes], name="Y") 

w_h = tf.Variable(tf.random_normal([n_input, n_hidden], stddev=0.01), tf.float32, name="w_h") 
w_o = tf.Variable(tf.random_normal([n_hidden, n_classes], stddev=0.01), tf.float32, name="w_o") 

l_h = tf.nn.relu(tf.matmul(X, w_h)) 
hypo = tf.nn.relu(tf.matmul(l_h, w_o), name="output") 

cost = tf.reduce_mean(tf.square(Y-hypo)) 
train = tf.train.GradientDescentOptimizer(0.1).minimize(cost) 

init = tf.global_variables_initializer() 

with tf.Session() as sess: 
    sess.run(init) 

    for epoch in range(1000): 
     for i in range(4): 
      sess.run(train, feed_dict = {X:x[i,:], Y:y[i,:]}) 

    result = sess.run([hypo, tf.floor(hypo+0.5)], feed_dict={X:x}) 

    print(*result[0]) 
    print(*result[1]) 

    output_graph_def = tf.graph_util.convert_variables_to_constants(sess, sess.graph_def, ["output"]) 
    tf.train.write_graph(output_graph_def, "./logs/mp_logs", "test.pb", False) 

ロード "tf_load.py"

import tensorflow as tf 
from tensorflow.python.platform import gfile 
import numpy as np 

x = np.matrix([[0, 0], [0, 1], [1, 0], [1, 1]]) 
y = np.matrix([[0], [1], [1], [0]]) 

with gfile.FastGFile("./logs/mp_logs/test.pb",'rb') as f: 
    graph_def = tf.GraphDef() 
    graph_def.ParseFromString(f.read()) 
    tf.import_graph_def(graph_def, name='') 

with tf.Session() as sess: 
    X = sess.graph.get_tensor_by_name("X:0") 
    print(X) 
    output = sess.graph.get_tensor_by_name("output:0") 
    print(output) 

    tf.global_variables_initializer().run() 

    result = sess.run([output, tf.floor(output+0.5)], feed_dict={X:x}) 

    print(*result[0]) 
    print(*result[1]) 

が簡単な方法があるだろう救いますか？

Answer 1

あなたはconvert_variables_to_constantsを使用しています。あなたは本当にトレーニング面で良いです。通行人のための注意、そのAPIはv1.0に登場しました（もし私が少しのAPIを追跡したと誤解されていなければ）。

ロード側では、最小のコードは1つのコマンドが短いと思います。すべての変数を定数に変換した場合、復元時に初期化する変数はありません。したがって、行：

tf.global_variables_initializer().run() 

何もしません。しかし、v1.3のdocsから：

ただし、var_listが空の場合、関数は実行可能なOpを返します。 Opは効果がありません。

負荷スクリプトにはグローバルvaribaleを有していない、とtf.global_variables_initializer()はtf.variables_initializer(tf.global_variables())と同等であるため、操作は何もしません。