Python 在tensorflow中,当我使用DNNLineArcClassifier[wide_n_deep_tutorial.py]时,如何恢复训练出的历史模型并基于它进行训练
我在tensorflow学习谷歌 我的代码是根据 我的问题是:Python 在tensorflow中,当我使用DNNLineArcClassifier[wide_n_deep_tutorial.py]时,如何恢复训练出的历史模型并基于它进行训练,python,tensorflow,deep-learning,Python,Tensorflow,Deep Learning,我在tensorflow学习谷歌 我的代码是根据 我的问题是: 如何加载历史模型,并在此基础上训练新样本。我在网上搜索了很多,但是大多数方法都像下面的代码 节电器示例 v1 = tf.Variable(..., name="v1") v2 = tf.Variable(..., name="v2") ... init_op = tf.initialize_all_variables() saver = tf.train.Saver() with tf.Session() as sess: s
v1 = tf.Variable(..., name="v1")
v2 = tf.Variable(..., name="v2")
...
init_op = tf.initialize_all_variables()
saver = tf.train.Saver()
with tf.Session() as sess:
sess.run(init_op)
..
save_path = saver.save(sess, "/tmp/model.ckpt")
但是在wide\u n\u deep
train中,它定义了一种方法“build\u estimator”,该方法返回:
m=tf.contrib.learn.DNNLinearCombinedClassifier
当我使用上面的方法来定义一个保护程序时,它没有给出要保存的变量。并且返回的“m”没有保存、还原方法
我还尝试了model.load
中的tflearn
,但它也不起作用如何在tensorflow中使用
DNNLinearCombinedClassifier
时保存模型和恢复历史模型?在DNNLinearCombinedClassifier
中有一个名为model\u dir
的参数:。只需将其指向存储模型检查点的目录。谢谢您的评论!para model_dir不是保存此列车生成的模型的dir吗?或者加载模型的目录和保存模型的目录可以相同?如果回答是“是”,并且加载是自动加载最后一个模型?再次感谢。dir可用于在培训前加载模型检查点和在某些步骤后保存模型检查点。非常感谢。我有一个新问题,如果我想检查模型参数,我应该如何打印模型参数。我尝试了graph_def=tf.GraphDef();graph_def.ParseFromString(f.read())
但它给出了一个错误:google.protobuf.message.DecodeError:标记的导线类型无效。