- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
[Python 3.7,Tensorflow]我已经训练了一个神经网络。一切都很好,它会学习,但是一旦完成学习,它就会关闭并且进度会丢失。现在我想做的是输入新数据并亲眼看看网络表现如何。
我已经摆弄过
saver = tf.train.Saver()
saver.save(sess, 'model/model.ckpt')
但这总是会导致一英里长的错误报告以“未知错误:无法重命名'model/model.ckpt'”等结尾。
上下文中的代码如下所示:
def train_neural_network(x):
training_data = generate_training_data() # i cut getting training data since its a bit out of context here, but its basically like mnist data
prediction = neural_network_model(x) # normal, 3-layer feed forward NN
cost = tf.reduce_mean( tf.square(prediction - y) )
optimizer = tf.train.AdamOptimizer(0.01).minimize(cost)
hm_epochs = 10
saver = tf.train.Saver()
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for epoch in range(hm_epochs+1):
epoch_loss = 0
for i in range(10):
epoch_x, epoch_y = training_data
_, c = sess.run([optimizer, cost], feed_dict = {x: epoch_x, y: epoch_y})
saver.save(sess, 'model/model.ckpt')
我尝试在 main 中调用这个经过训练的神经网络:
train_neural_network(x)
X, Y = generate_training_data()
prediction = neural_network_model(x)
saver = tf.train.Saver()
with tf.Session() as sess:
saver.restore(sess, 'model/model.ckpt')
result = sess.run(prediction, feed_dict={x: X})
print(Y, result)
到目前为止,所有内容都在一个文件中,但我也可以使用两个单独的文件。
这会导致一个错误,该错误表示通常的 python 错误由其路径组成并以
结尾“...在 _do_call 中 引发类型(e)(node_def,op,消息)”我认为,在出现 Tensorflow 特定错误之前:“未知错误:无法重命名‘model/model.ckpt’”和“由操作‘save_13/SaveV2’引起,定义于:”,然后有一条很长很长的路,大约有87行长,再次重复“未知错误”。
我想要的是带有神经网络预测输出的打印标签。 (代码中的打印行。)
不幸的是,到目前为止我还没有找到任何适用于各种互联网搜索的东西,但我觉得让它工作应该不会太难。预先感谢您。
最佳答案
如果您查看模型输出检查点的文件夹 (/model),您应该会看到每个保存有 3 个单独的文件:model.ckpt-xxx.data、model.ckpt-xxx.index 和 model。 ckpt-xxx.meta,其中xxx是Tensorflow附加的检查点的ID。
当您想要恢复某个检查点时,您还必须添加 ID,因为通常在训练期间会创建同一网络的多个检查点,以便我们可以在以后必要时重新训练网络。
所以我会查看模型文件夹并仔细检查文件名,我的猜测是如果您只创建了一个检查点,saver.restore(sess, 'model/model.ckpt-0')
就可以解决问题。
关于python - 如何应用训练好的神经网络?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56383676/
real adaboost Logit boost discrete adaboost 和 gentle adaboost in train cascade parameter 有什么区别.. -bt
我想为 book crossing 构建训练数据矩阵和测试数据矩阵数据集。但作为 ISBN 代码的图书 ID 可能包含字符。因此,我无法应用此代码(来自 tutorial ): #Create two
我找到了 JavaANPR 库,我想对其进行自定义以读取我所在国家/地区的车牌。 似乎包含的字母表与我们使用的字母表不同 ( http://en.wikipedia.org/wiki/FE-Schri
我有一个信用卡数据集,其中 98% 的交易是非欺诈交易,2% 是欺诈交易。 我一直在尝试在训练和测试拆分之前对多数类别进行欠采样,并在测试集上获得非常好的召回率和精度。 当我仅在训练集上进行欠采样并在
我打算: 在数据集上从头开始训练 NASNet 只重新训练 NASNet 的最后一层(迁移学习) 并比较它们的相对性能。从文档中我看到: keras.applications.nasnet.NASNe
我正在训练用于分割的 uNet 模型。训练模型后,输出全为零,我不明白为什么。 我看到建议我应该使用特定的损失函数,所以我使用了 dice 损失函数。这是因为黑色区域 (0) 比白色区域 (1) 大得
我想为新角色训练我现有的 tesseract 模型。我已经尝试过 上的教程 https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesser
我的机器中有两个 NVidia GPU,但我没有使用它们。 我的机器上运行了三个神经网络训练。当我尝试运行第四个时,脚本出现以下错误: my_user@my_machine:~/my_project/
我想在python的tensorflow中使用稀疏张量进行训练。我找到了很多代码如何做到这一点,但没有一个有效。 这里有一个示例代码来说明我的意思,它会抛出一个错误: import numpy as
我正在训练一个 keras 模型,它的最后一层是单个 sigmoid单元: output = Dense(units=1, activation='sigmoid') 我正在用一些训练数据训练这个模型
所以我需要使用我自己的数据集重新训练 Tiny YOLO。我正在使用的模型可以在这里找到:keras-yolo3 . 我开始训练并遇到多个优化器错误,添加了错误代码以防止混淆。 我注意到即使它应该使用
将 BERT 模型中的标记化范式更改为其他东西是否有意义?也许只是一个简单的单词标记化或字符级标记化? 最佳答案 这是论文“CharacterBERT: Reconciling ELMo and BE
假设我有一个非常简单的神经网络,比如多层感知器。对于每一层,激活函数都是 sigmoid 并且网络是全连接的。 在 TensorFlow 中,这可能是这样定义的: sess = tf.Inte
有没有办法在 PyBrain 中保存和恢复经过训练的神经网络,这样我每次运行脚本时都不必重新训练它? 最佳答案 PyBrain 的神经网络可以使用 python 内置的 pickle/cPickle
我尝试使用 Keras 训练一个对手写数字进行分类的 CNN 模型,但训练的准确度很低(低于 10%)并且误差很大。我尝试了一个简单的神经网络,但没有效果。 这是我的代码。 import tensor
我在 Windows 7 64 位上使用 tesseract 3.0.1。我用一种新语言训练图书馆。 我的示例数据间隔非常好。当我为每个角色的盒子定义坐标时,盒子紧贴角色有多重要?我使用其中一个插件,
如何对由 dropout 产生的许多变薄层进行平均?在测试阶段要使用哪些权重?我真的很困惑这个。因为每个变薄的层都会学习一组不同的权重。那么反向传播是为每个细化网络单独完成的吗?这些细化网络之间的权重
我尝试训练超正方语言。我正在使用 Tess4J 进行 OCR 处理。我使用jTessBoxEditor和SerakTesseractTrainer进行训练操作。准备好训练数据后,我将其放在 Tesse
我正在构建一个 Keras 模型,将数据分类为 3000 个不同的类别,我的训练数据由大量样本组成,因此在用一种热编码对训练输出进行编码后,数据非常大(item_count * 3000 * 的大小)
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 8 年前。 Improve this ques
我是一名优秀的程序员,十分优秀!