Python 使用tf.train.Saver加载模型检查点时,如何修改张量形状?
我训练了一个具有固定批量大小的RNN,但现在我想修改我用Python 使用tf.train.Saver加载模型检查点时,如何修改张量形状?,python,tensorflow,Python,Tensorflow,我训练了一个具有固定批量大小的RNN,但现在我想修改我用tf.train.Saver保存的图形,使其批量大小为1以进行推断。我该怎么办 session = tf.InteractiveSession() saver = tf.train.import_meta_graph('model.ckpt.meta') saver.restore(session, 'model.ckpt') 实现这一点的一种方法是在测试时重建一个不同的(尽管兼容)网络,并将恢复限制为仅重量 在训练中, net = ma
tf.train.Saver
保存的图形,使其批量大小为1以进行推断。我该怎么办
session = tf.InteractiveSession()
saver = tf.train.import_meta_graph('model.ckpt.meta')
saver.restore(session, 'model.ckpt')
实现这一点的一种方法是在测试时重建一个不同的(尽管兼容)网络,并将恢复限制为仅重量 在训练中,
net = make_my_net(batch_size)
...
saver.save(session, model_name)
在测试过程中,
net = make_my_net(1)
...
saver.restore(session, model_name)
后者将用先前保存的变量值替换变量值(包括网络权重)。您不必根据初始化将要覆盖的变量,尽管我相信情况并非总是如此
请注意,重建不同的网络可以让您有机会构建更干净的测试网络,例如通过删除层(如辍学层)