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

如何对SVC进行超参数调优?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

如何在初始训练后向模型添加训练数据?

我想在我的scikit-learn模型已经训练完成后再…

使用Google Cloud Function并行运行带有不同用户参数的相同训练作业

我正在寻找一种方法来并行运行带有不同用户参数的相同训练…

加载Keras模型,TypeError: ‘module’ object is not callable

我已经在StackOverflow上搜索并阅读了文档,…

在计算KNN填补方法中特定列中NaN值的”距离平均值”时

当我从头开始实现KNN填补方法来处理缺失数据时,我遇到…

使用巨大的S3 CSV文件或直接从预处理的关系型或NoSQL数据库获取数据的机器学习训练/测试工作

已关闭。此问题需要更多细节或更清晰的说明。目前不接受回…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注