私は事前にモデルを読み込み、このモデルでトレーニングを続けます。
モデル(pretrain.py
)を保存するための標準的なコードスニペット:テンソルフローモデルをロードしてトレーニングを続ける方法
tf.reset_default_graph()
# tf Graph input
X = tf.placeholder("float", [None, n_input])
Y = tf.placeholder("float", [None, n_classes])
mlp_layer_name = ['h1', 'b1', 'h2', 'b2', 'h3', 'b3', 'w_o', 'b_o']
logits = multilayer_perceptron(X, n_input, n_classes, mlp_layer_name)
loss_op = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=Y), name='loss_op')
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate)
train_op = optimizer.minimize(loss_op, name='train_op')
saver = tf.train.Saver()
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
# Training cycle
for epoch in range(training_epochs):
avg_cost = 0.
# Loop over all batches
for i in range(total_batch):
batch_x, batch_y = next(train_generator)
# Run optimization op (backprop) and cost op (to get loss value)
_, c = sess.run([train_op, loss_op], feed_dict={X: batch_x,
Y: batch_y})
# Compute average loss
avg_cost += c/total_batch
print("Epoch: {:3d}, cost = {:.6f}".format(epoch+1, avg_cost))
print("Optimization Finished!")
saver.save(sess, 'model')
print("Model saved")
は今pretrainedモデルをロードし、(continue.py
)それでトレーニングを続けます。
# tf Graph input
X = tf.placeholder("float", [None, n_input])
Y = tf.placeholder("float", [None, n_classes])
mlp_layer_name = ['h1', 'b1', 'h2', 'b2', 'h3', 'b3', 'w_o', 'b_o']
logits = multilayer_perceptron(X, n_input, n_classes, mlp_layer_name)
loss_op = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=Y), name='loss_op')
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate)
train_op = optimizer.minimize(loss_op, name='train_op')
with tf.Session() as sess:
saver = tf.train.import_meta_graph('model.meta')
saver.restore(sess, tf.train.latest_checkpoint('./')) # search for checkpoint file
graph = tf.get_default_graph()
for epoch in range(training_epochs):
avg_cost = 0.
# Loop over all batches
for i in range(total_batch):
batch_x, batch_y = next(train_generator)
# Run optimization op (backprop) and cost op (to get loss value)
_, c = sess.run([train_op, loss_op], feed_dict={X: batch_x,
Y: batch_y})
# Compute average loss
avg_cost += c/total_batch
print("Epoch: {:3d}, cost = {:.6f}".format(epoch+1, avg_cost))
しかし、それは次のようなエラーが表示されます。ここでは
tensorflow.python.framework.errors_impl.FailedPreconditionError: Attempting to use uninitialized value h1 [[Node: h1/read = IdentityT=DT_FLOAT, _class=["loc:@h1"], _device="/job:localhost/replica:0/task:0/cpu:0"]]
は私の質問は以下のとおりです。
1.多くのtensorflowのチュートリアルでは、それは重みとバイアスをロードするためにget_tensor_by_name()
を使用しています。ここでは、私は体重と偏見を得たくありません。私はただモデルをロードし、それを使ってトレーニングを続けたいだけです。
2.テンソルが初期化されていないことがエラーによって示されました。しかし、私はsaver.restore(sess, tf.train.latest_checkpoint('./'))
が重みと偏りをうまく読み込んでいるはずだと思います。
ここにmultilayer_perceptron()
は私のクエストインの説明に役立ちます。
def multilayer_perceptron(x, n_input, n_classes, name):
n_hidden_1 = 512
n_hidden_2 = 256
n_hidden_3 = 128
# Store layers weight & bias
weights = {
'h1' : tf.get_variable(name[0], initializer=tf.random_normal([n_input, n_hidden_1])),
'h2' : tf.get_variable(name[2], initializer=tf.random_normal([n_hidden_1, n_hidden_2])),
'h3' : tf.get_variable(name[4], initializer=tf.random_normal([n_hidden_2, n_hidden_3])),
'w_o': tf.get_variable(name[6], initializer=tf.random_normal([n_hidden_3, n_classes]))
}
biases = {
'b1' : tf.get_variable(name[1], initializer=tf.random_normal([n_hidden_1])),
'b2' : tf.get_variable(name[3], initializer=tf.random_normal([n_hidden_2])),
'b3' : tf.get_variable(name[5], initializer=tf.random_normal([n_hidden_3])),
'b_o': tf.get_variable(name[7], initializer=tf.random_normal([n_classes]))
}
layer_1 = tf.nn.relu(tf.add(tf.matmul(x , weights['h1']), biases['b1']))
layer_1 = tf.layers.dropout(layer_1, rate=0.5, training=True)
layer_2 = tf.nn.relu(tf.add(tf.matmul(layer_1, weights['h2']), biases['b2']))
layer_2 = tf.layers.dropout(layer_2, rate=0.3, training=True)
layer_3 = tf.nn.relu(tf.add(tf.matmul(layer_2, weights['h3']), biases['b3']))
layer_3 = tf.layers.dropout(layer_3, rate=0.1, training=True)
out_layer = tf.matmul(layer_3, weights['w_o']) + biases['b_o']
return out_layer
いいえ、私は 'sess.run(tf.global_variables_initializer())'を追加できません。すべての変数を再初期化します。 –