- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我在使用 tf.layers
和 tf.nn.softmax_cross_entropy_with_logits
的 tensorflow 模型上恢复和执行推理时遇到问题。一旦我记忆起保存的文件,我就不知道要定义什么作为我的预测函数。我的训练代码是:
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import os
import numpy as np
os.environ["CUDA_VISIBLE_DEVICES"] = "0" # Set GPU device
mnist = input_data.read_data_sets('/tmp/data/', one_hot=True) # Download MNIST data and class
saver_model = './tmp/saved_model'
n_classes = 10 # Number of classifiers (0-9)
num_input = 784 # Image size (28x28)
n_train = 20000 # number of images in data set
n_epoch = 10 # number of time to itterate over the data set
batch_size = 128 # Number of images to average for each training calculation
n_test = 6000 # Number of images to perform inference on
display_step = 200 # How often to show progress
# Create placeholders for input and classifier data (like maloc)
x = tf.placeholder('float', [None, num_input], name='inputdata')
y = tf.placeholder('float')
# Define the neural network structure:
# Input Data -> Conv -> Conv -> Fully Connected -> Fully Connected -> Output Data
def network(x_in):
inputl = tf.reshape(x_in, shape=[-1, 28, 28, 1], name='inputl') #[Batch Size, Height, Width, Channel]
layer0 = tf.layers.conv2d(inputl, 32, [5, 5], activation=tf.nn.relu, name='layer0')
layer1 = tf.layers.max_pooling2d(layer0, 2, 2, name='layer1')
layer2 = tf.layers.conv2d(layer1, 64, [3, 3], activation=tf.nn.relu, name='layer2')
layer3 = tf.layers.max_pooling2d(layer2, 2, 2, name='layer3')
layer4 = tf.contrib.layers.flatten(layer3)
layer5 = tf.layers.dense(layer4, 1024, activation=tf.nn.relu, name='layer5')
output = tf.layers.dense(layer5, n_classes, name='output')
return output
prediction = network(x)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=prediction, labels=y, name='softmax'))
optimizer = tf.train.AdamOptimizer().minimize(cost)
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
saver = tf.train.Saver()
n_itter = n_epoch*(n_train/batch_size)
for i in range(n_itter):
batch_x, batch_y = mnist.train.next_batch(batch_size)
_, l = sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})
if i % display_step == 0:
print '%d / %d' % (i, n_itter)
saver.save(sess, saver_model)
# Infer
success_ctr = 0.0
for i in range(n_test):
batch_x, batch_y = mnist.test.next_batch(1)
g = sess.run(prediction, feed_dict={x: batch_x})
success_ctr += float(np.argmax(g) == np.argmax(batch_y))
print('PCC = %1.3e' % (success_ctr/n_test))
这成功训练并具有 98% 的 PCC。
现在我想恢复保存的模型并对其进行推理,但我在定义预测函数时遇到了问题。我的恢复/推理代码是:
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import numpy as np
import os
import pprint
os.environ["CUDA_VISIBLE_DEVICES"] = "0" # Set GPU device
n_test = 6000 # Number of images to perform inference on
mnist = input_data.read_data_sets('/tmp/data/', one_hot=True) # Download MNIST data and class
saver_dir = './tmp'
saver_model = os.path.join(saver_dir, 'saved_model')
saver = tf.train.import_meta_graph(saver_model + '.meta')
graph = tf.get_default_graph()
sess = tf.Session()
saver.restore(sess, tf.train.latest_checkpoint(saver_dir))
pprint.pprint([v.name for v in tf.global_variables()])
x = graph.get_tensor_by_name('inputdata:0')
prediction = graph.get_tensor_by_name('output/bias:0')
# Infer
success_ctr = 0.0
for i in range(n_test):
batch_x, batch_y = mnist.test.next_batch(1)
g = sess.run(prediction, feed_dict={x: batch_x})
success_ctr += float(np.argmax(g) == np.argmax(batch_y))
print('PCC = %1.3e' % (success_ctr/n_test))
输出:
[u'layer0/kernel:0',
u'layer0/bias:0',
u'layer2/kernel:0',
u'layer2/bias:0',
u'layer5/kernel:0',
u'layer5/bias:0',
u'output/kernel:0',
u'output/bias:0',
u'beta1_power:0',
u'beta2_power:0',
u'layer0/kernel/Adam:0',
u'layer0/kernel/Adam_1:0',
u'layer0/bias/Adam:0',
u'layer0/bias/Adam_1:0',
u'layer2/kernel/Adam:0',
u'layer2/kernel/Adam_1:0',
u'layer2/bias/Adam:0',
u'layer2/bias/Adam_1:0',
u'layer5/kernel/Adam:0',
u'layer5/kernel/Adam_1:0',
u'layer5/bias/Adam:0',
u'layer5/bias/Adam_1:0',
u'output/kernel/Adam:0',
u'output/kernel/Adam_1:0',
u'output/bias/Adam:0',
u'output/bias/Adam_1:0']
PCC = 9.567e-02
我在想我应该定义为预测的张量是“输出/偏差:0”,但这不起作用。我怀疑我的问题在于我正在使用 tf.nn.softmax_cross_entropy_with_logits
函数,它在我的 network(x_in)
函数外部应用了一个 softmax 激活函数。也许我完全不知道如何恢复这个东西,但我们将不胜感激任何帮助。
最佳答案
首先,您提供的列表是变量 的列表。您感兴趣的是 placeholder inputdata
和对应于 output
的 op(这是tf.layers.dense
中的最后一个操作,在您的情况下是添加)。这不是偏差变量。
请注意,如果您只想在推理上执行 argmax
,则无需执行 softmax
。所以你可以调用:
# Another option:
# prediction = graph.get_operation_by_name('output/BiasAdd')
prediction = graph.get_tensor_by_name('output/BiasAdd:0')
但由于推断概率分布通常很有帮助,因此最好在图中专门为其创建另一个操作:
result = tf.nn.softmax(prediction, name='softmax')
...然后:
prediction = graph.get_operation_by_name('softmax')
请注意,此操作不会用于训练,仅用于测试。
关于python - 使用 softmax_cross_entropy_with_logits 保存/恢复 Tensorflow 模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48361864/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!