Tensorflow 还原网络时,在还原的图形中找不到操作
使用TensorFlow 1.9,我想在一个Python文件中训练一个神经网络,然后使用另一个Python文件恢复该网络。我尝试使用一个简单的例子来实现这一点,但当我尝试加载“预测”操作时,我收到了一个错误。具体地说,错误是:Tensorflow 还原网络时,在还原的图形中找不到操作,tensorflow,Tensorflow,使用TensorFlow 1.9,我想在一个Python文件中训练一个神经网络,然后使用另一个Python文件恢复该网络。我尝试使用一个简单的例子来实现这一点,但当我尝试加载“预测”操作时,我收到了一个错误。具体地说,错误是:KeyError:“名称‘prediction’指的是不在图形中的操作。” 下面是我用来训练和保存网络的Python文件。它生成一些示例数据并训练一个简单的神经网络,然后每个历元保存该网络 import numpy as np import tensorflow as tf
KeyError:“名称‘prediction’指的是不在图形中的操作。”
下面是我用来训练和保存网络的Python文件。它生成一些示例数据并训练一个简单的神经网络,然后每个历元保存该网络
import numpy as np
import tensorflow as tf
input_data = np.zeros([100, 10])
label_data = np.zeros([100, 1])
for i in range(100):
for j in range(10):
input_data[i, j] = i * j / 1000
label_data[i] = 2 * input_data[i, 0] + np.random.uniform(0.01)
input_placeholder = tf.placeholder(tf.float32, shape=[None, 10], name='input_placeholder')
label_placeholder = tf.placeholder(tf.float32, shape=[None, 1], name='label_placeholder')
x = tf.layers.dense(inputs=input_placeholder, units=10, activation=tf.nn.relu)
x = tf.layers.dense(inputs=x, units=10, activation=tf.nn.relu)
prediction = tf.layers.dense(inputs=x, units=1, name='prediction')
loss_op = tf.reduce_mean(tf.square(prediction - label_placeholder))
train_op = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss_op)
saver = tf.train.Saver()
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for epoch_num in range(100):
_, loss = sess.run([train_op, loss_op], feed_dict={input_placeholder: input_data, label_placeholder: label_data})
print('epoch ' + str(epoch_num) + ', loss = ' + str(loss))
saver.save(sess, '../Models/model', global_step=epoch_num + 1)
下面是我用来恢复网络的Python文件。它加载输入和输出占位符,以及进行预测所需的操作。然而,即使我在上面的训练代码中将一个操作命名为prediction
,下面的代码似乎在加载的图中找不到这个操作
import tensorflow as tf
import numpy as np
input_data = np.zeros([100, 10])
for i in range(100):
for j in range(10):
input_data[i, j] = i * j / 1000
with tf.Session() as sess:
saver = tf.train.import_meta_graph('../Models/model-99.meta')
saver.restore(sess, '../Models/model-99')
graph = tf.get_default_graph()
input_placeholder = graph.get_tensor_by_name('input_placeholder:0')
label_placeholder = graph.get_tensor_by_name('label_placeholder:0')
prediction = graph.get_operation_by_name('prediction')
pred = sess.run([prediction], feed_dict={input_placeholder: input_data})
为什么此代码找不到此操作,我应该如何更正代码?您必须修改加载脚本中的一行(使用tf 1.8测试): 您必须指定要访问的张量,因为预测只是稠密层的名称空间。您可以在保存时使用
prediction.name
检查确切的名称。恢复时,请使用tf。按\u名称获取\u tensor\u
,因为您感兴趣的是值,而不是生成它的操作
prediction = graph.get_tensor_by_name('prediction/BiasAdd:0')