Tensorflow:存储在模型中
我是tf新手,我想将激活存储在模型中 我正在尝试构建一个图像分类器,同时使用Tensorflow:存储在模型中,tensorflow,machine-learning,neural-network,deep-learning,conv-neural-network,Tensorflow,Machine Learning,Neural Network,Deep Learning,Conv Neural Network,我是tf新手,我想将激活存储在模型中 我正在尝试构建一个图像分类器,同时使用sess.run(activation,feed_dict={X:npArray})预测一个图像 我如何将激活和X存储在模型中并将其恢复回来 我用这样的东西来恢复 y_pred = tf.get_default_graph().get_tensor_by_name('y_pred:0') X = tf.get_default_graph().get_tensor_by_name('X:0') 然后使用 output_l
sess.run(activation,feed_dict={X:npArray})
预测一个图像
我如何将激活和X存储在模型中并将其恢复回来
我用这样的东西来恢复
y_pred = tf.get_default_graph().get_tensor_by_name('y_pred:0')
X = tf.get_default_graph().get_tensor_by_name('X:0')
然后使用
output_label = sess.run(y_pred, feed_dict={X: npArray})
用于预测类的标签,但无论npArray输入是什么,输出标签都不会更改。即使存储的模型发生更改,输出_标签也不会更改。这可能意味着变量y_pred和占位符X不可用
任何帮助都将不胜感激。感谢原因很多,请提供更多详细信息(y_pred和X之间的依赖关系是什么?等等)y_pred是激活层的输出,X是输入图像占位符。完整的代码通常与您上面描述的技术相同。如果您想帮助调试您的特定问题,请提供一个完整的、最少的、可验证的示例,而不是链接到您的整个代码(请参阅)。培训成本是否减少了?您能否共享代码打印日志?检查是否从培训数据集中提供了输入,并验证您是否获得了不同的输出。