tensorflow - 在自定义数据集上从头开始训练初始模型后，如何对测试图像进​​行预测？

Question

已关闭。此问题需要 debugging details 。目前不接受答案。

---

编辑问题以包含 desired behavior, a specific problem or error, and the shortest code necessary to reproduce the problem 。这将有助于其他人回答问题。

已关闭 4 年前。

Improve this question

我刚刚在我的自定义数据集上从头开始训练 inceptionv3(1675 个训练图像，400 个验证图像，2 个类):

1. 我不知道如何使用新训练的模型对测试图像进​​行预测。(模型的 label_image.py 指向何处)

2. 我新训练的模型保存在哪里？
   以下是有关我的设置/运行的一些元数据:---

3. 我在 train_dir 中生成了以下文件:

   • events.out.tfevents.1481980070.airig-Inspiron-7559(4.9GB)
   • graph.pbtxt(18.5MB)
   • 和一堆model.ckpt-.meta和model.ckpt-.index文件

运行训练脚本后我得到:-

....
INFO:tensorflow:Stopping Training.
INFO:tensorflow:Finished training! Saving model to disk.

运行 eval 脚本后我得到:--

.....
INFO:tensorflow:Evaluation [0/25]
INFO:tensorflow:Evaluation [1/25]
INFO:tensorflow:Evaluation [2/25]
INFO:tensorflow:Evaluation [3/25]
INFO:tensorflow:Evaluation [5/25]
INFO:tensorflow:Evaluation [5/25]
INFO:tensorflow:Evaluation [6/25]
INFO:tensorflow:Evaluation [7/25]
INFO:tensorflow:Evaluation [8/25]
INFO:tensorflow:Evaluation [9/25]
INFO:tensorflow:Evaluation [10/25]
INFO:tensorflow:Evaluation [11/25]
INFO:tensorflow:Evaluation [13/25]
INFO:tensorflow:Evaluation [13/25]
INFO:tensorflow:Evaluation [14/25]
INFO:tensorflow:Evaluation [15/25]
INFO:tensorflow:Evaluation [16/25]
INFO:tensorflow:Evaluation [17/25]
INFO:tensorflow:Evaluation [18/25]
INFO:tensorflow:Evaluation [19/25]
INFO:tensorflow:Evaluation [20/25]
INFO:tensorflow:Evaluation [21/25]
INFO:tensorflow:Evaluation [22/25]
INFO:tensorflow:Evaluation [23/25]
INFO:tensorflow:Evaluation [25/25]
I tensorflow/core/kernels/logging_ops.cc:79] eval/Recall@5[1]
I tensorflow/core/kernels/logging_ops.cc:79] eval/Accuracy[1]
INFO:tensorflow:Finished evaluation at 2016-12-19-03:59:04

Answer 1

Where did my newly trained model got saved?

完整的 TensorFlow 图(即所有变量、操作、集合等)保存在 .meta 文件中。 .cpkt 文件是一个检查点文件。该文件包含权重、偏差、梯度和所有其他变量的所有值。

I don't know how to make predictions on my test images using my newly trained model.(where to point label_image.py for model)

要恢复训练后的模型，请使用:

withth tf.Session() as sess:    
   saver = tf.train.import_meta_graph('my-model-1000.meta')
   saver.restore(sess,tf.train.latest_checkpoint('./'))

请注意，图层的名称已设置。例如:

out_layer = tf.layers.dense(inputs=layer_1, units=6, name='prediction')

现在您可以使用它进行预测:

sess.run(prediction, feed_dict)

其中预测是网络最后一层的输出变量的名称。