Tensorflow 脚手架和tf.train.MonitoredTrainingSession
我想知道如何将Scaffold与tf.train.MonitoredTrainingSession一起使用,并使用从Numpy数组中导入的特定值初始化图形权重。我找不到任何类似用途的明确例子。谢谢所以实际上有几种方法可以继续这样做 保存图形检查点方法Tensorflow 脚手架和tf.train.MonitoredTrainingSession,tensorflow,Tensorflow,我想知道如何将Scaffold与tf.train.MonitoredTrainingSession一起使用,并使用从Numpy数组中导入的特定值初始化图形权重。我找不到任何类似用途的明确例子。谢谢所以实际上有几种方法可以继续这样做 保存图形检查点方法 构建图形 初始化所有变量 运行会话为每个变量分配值 保存要在培训时加载的检查点 在火车时刻使用检查站 使用模型初始化和恢复 您可以在此处查看更多详细信息:。基本上,您可以创建tf.train.Scaffold并使用init函数分配init_fn
- 构建图形
- 初始化所有变量
- 运行会话为每个变量分配值
- 保存要在培训时加载的检查点李>
- 在火车时刻使用检查站
with tf.Graph().as_default():
# build the graph as it is in training
some code...
sess = tf.Session()
with sess.as_default():
# Add an op to initialize the variables.
init_op = tf.global_variables_initializer()
sess.run(init_op)
#Update your graph with starting variables
data_dict = np.load('your_pass/model.npy', encoding='latin1').item()
#
var = tf.get_variable(param_name)
sess.run(var.assign(data_dict))
print('assignment done!')
saver = tf.train.Saver()
# Save the variables to disk.
save_path = saver.save(sess, FLAGS.train_dir)
print("Model saved in file: %s" % save_path)