如何在TensorFlow中恢复全连接层的预测

train.py:

prediction = tf.contrib.layers.fully_connected(outputs[:, -1, :],                                 output_dim, activation_fn=None, scope="prediction")

test.py:

prediction = graph.get_tensor_by_name("prediction:0")

在从train.py保存图之后,我想在test.py中恢复预测变量,但没有成功。

tf.contrib.layers.fully_connected‘ 没有name参数,只有scope参数。我该如何恢复它呢?


回答:

获取TensorFlow为全连接层定义的名称:

train.py

print(prediction.name)

它会显示类似于prediction/BiasAdd:0的名称

在test.py中使用这个名称来正确恢复变量

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注