- 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?
加载保存的 Tensorflow 模型后,我无法运行前向传播函数。我能够成功提取权重,但是当我尝试将新输入传递给前向 Prop 函数时,它会抛出“尝试使用未初始化的值”错误。
我的占位符如下:
x = tf.placeholder('int64', [None, 4], name='input') # Number of examples x features
y = tf.placeholder('int64', [None, 1], name='output') # Number of examples x output
正向 Prop 功能:
def forwardProp(x, y):
embedding_mat = tf.get_variable("EM", shape=[total_vocab, e_features], initializer=tf.random_normal_initializer(seed=1))
# m x words x total_vocab * total_vocab x e_features = m x words x e_features
# embed_x = tf.tensordot(x, tf.transpose(embedding_mat), axes=[[2], [0]])
# embed_y = tf.tensordot(y, tf.transpose(embedding_mat), axes=[[2], [0]])
embed_x = tf.gather(embedding_mat, x) # m x words x e_features
embed_y = tf.gather(embedding_mat, y) # m x words x e_features
#print("Shape of embed x", embed_x.get_shape())
W1 = tf.get_variable("W1", shape=[n1, e_features], initializer=tf.random_normal_initializer(seed=1))
B1 = tf.get_variable("b1", shape=[1, 4, n1], initializer=tf.zeros_initializer())
# m x words x e_features * e_features x n1 = m x words x n1
Z1 = tf.add(tf.tensordot(embed_x, tf.transpose(W1), axes=[[2], [0]]), B1, )
A1 = tf.nn.tanh(Z1)
W2 = tf.get_variable("W2", shape=[n2, n1], initializer=tf.random_normal_initializer(seed=1))
B2 = tf.get_variable("B2", shape=[1, 4, n2], initializer=tf.zeros_initializer())
# m x words x n1 * n1 x n2 = m x words x n2
Z2 = tf.add(tf.tensordot(A1, tf.transpose(W2), axes=[[2], [0]]), B2)
A2 = tf.nn.tanh(Z2)
W3 = tf.get_variable("W3", shape=[n3, n2], initializer=tf.random_normal_initializer(seed=1))
B3 = tf.get_variable("B3", shape=[1, 4, n3], initializer=tf.zeros_initializer())
# m x words x n2 * n2 x n3 = m x words x n3
Z3 = tf.add(tf.tensordot(A2, tf.transpose(W3), axes=[[2], [0]]), B3)
A3 = tf.nn.tanh(Z3)
# Convert m x words x n3 to m x n3
x_final = tf.reduce_mean(A3, axis=1)
y_final = tf.reduce_mean(embed_y, axis=1)
return x_final, y_final
返回 Prop 功能:
def backProp(X_index, Y_index):
x_final, y_final = forwardProp(x, y)
cost = tf.nn.l2_loss(x_final - y_final)
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)
init = tf.global_variables_initializer()
saver = tf.train.Saver()
total_batches = math.floor(m/batch_size)
with tf.Session() as sess:
sess.run(init)
for epoch in range(epochs):
batch_start = 0
for i in range(int(m/batch_size)):
x_hot = X_index[batch_start: batch_start + batch_size]
y_hot = Y_index[batch_start: batch_start + batch_size]
batch_start += batch_size
_, temp_cost = sess.run([optimizer, cost], feed_dict={x: x_hot, y: y_hot})
print("Cost at minibatch: ", i , " and epoch ", epoch, " is ", temp_cost)
if m % batch_size != 0:
x_hot = X_index[batch_start: batch_start+m - (batch_size*total_batches)]
y_hot = Y_index[batch_start: batch_start+m - (batch_size*total_batches)]
_, temp_cost = sess.run([optimizer, cost], feed_dict={x: x_hot, y: y_hot})
print("Cost at minibatch: (beyond floor) and epoch ", epoch, " is ", temp_cost)
# Saving the model
save_path = saver.save(sess, "./model_neural_embeddingV1.ckpt")
print("Model saved!")
通过调用预测函数重新加载模型:
def predict_search():
# Initialize variables
total_features = 4
extra = len(word_to_indice)
query = input('Enter your query')
words = word_tokenize(query)
# For now, it will throw an error if a word not present in dictionary is present
features = [word_to_indice[w.lower()] for w in words]
len_features = len(features)
X_query = []
Y_query = [[0]] # Dummy variable, we don't care about the Y query while doing prediction
if len_features < total_features:
features += [extra] * (total_features - len_features)
elif len_features > total_features:
features = features[:total_features]
X_query.append(features)
X_query = np.array(X_query)
print(X_query)
Y_query = np.array(Y_query)
# Load the model
init_global = tf.global_variables_initializer()
init_local = tf.local_variables_initializer()
#X_final, Y_final = forwardProp(x, y)
with tf.Session() as sess:
sess.run(init_global)
sess.run(init_local)
saver = tf.train.import_meta_graph('./model_neural_embeddingV1.ckpt.meta')
saver.restore(sess, './model_neural_embeddingV1.ckpt')
print("Model loaded")
print("Loaded variables are: ")
print(tf.trainable_variables())
print(sess.graph.get_operations())
embedMat = sess.run('EM:0') # Get the word embedding matrix
W1 = sess.run('W1:0')
b1 = sess.run('b1:0')
W2 = sess.run('W2:0')
b2 = sess.run('B2:0')
print(b2)
W3 = sess.run('W3:0')
b3 = sess.run('B3:0')
**#This part is not working, calling forward prop gives an 'attempting to use uninitialized value' error.**
X_final = sess.run(forwardProp(x, y), feed_dict={x: X_query, y: Y_query})
print(X_final)
最佳答案
从元图加载后,您不小心使用 forwardProp
函数创建了一堆图变量,从而在无意中有效地复制了变量。
您应该重构代码,以遵循在创建 session 之前创建图形变量的最佳实践。
例如,在名为 build_graph
的函数中创建所有变量。您可以在创建 session 之前调用 build_graph
,但绝对不能在创建 session 之后调用。这将避免这样的困惑。
您几乎应该始终避免从 sess.run
调用函数,例如您正在执行的操作:
X_final = sess.run(forwardProp(x, y), feed_dict={x: X_query, y: Y_query})
您就是在以这种方式寻求错误。
请注意在 forwardProp(x, y)
中发生的情况,您正在创建 tensorflow 构造、所有权重和偏差。
但请注意,您是在这两行代码中创建的:
saver = tf.train.import_meta_graph('./model_neural_embeddingV1.ckpt.meta')
saver.restore(sess, './model_neural_embeddingV1.ckpt')
另一个选项(可能是您想要做的)是不使用import_meta_graph
。您可以创建所有 TensorFlow OP 和变量,然后运行 saver.restore 来恢复检查点,这会将检查点数据映射到您已创建的变量中。
请注意,这里的 tensorflow 实际上有 2 个选项,这有点令人困惑。您最终完成了这两件事(导入包含所有操作和变量的图表),并重新创建图表。你必须选择一个。
我通常选择第一个选项,不使用 import_meta_graph
,只需通过调用 build_graph
函数以编程方式重新创建图表。然后调用 saver.restore
引入检查点。当然,您将重复使用 build_graph
函数进行训练和推理时间,因此您最终会得到两次都是相同的图表。
关于tensorflow - 加载 tensorflow 模型后运行forward prop函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49138484/
好的,所以我想从批处理文件运行我的整个工作环境... 我想要实现什么...... 打开新的 powershell,打开我的 API 文件夹并从该文件夹运行 VS Code 编辑器(cd c:\xy;
我正在查看 Cocoa Controls 上的示例并下载了一些演示。我遇到的问题是一些例子,比如 BCTabBarController ,不会在我的设备上构建或启动。当我打开项目时,它看起来很正常,没
我刚刚开始学习 C 语言(擅长 Java 和 Python)。 当编写 C 程序(例如 hello world)时,我在 ubuntu cmd 行上使用 gcc hello.c -o hello 编译
我在 php 脚本从 cron 开始运行到超时后注意到了这个问题,但是当它从命令行手动运行时这不是问题。 (对于 CLI,PHP 默认的 max_execution_time 是 0) 所以我尝试运行
我可以使用命令行运行测试 > ./node_modules/.bin/wdio wdio.conf.js 但是如果我尝试从 IntelliJ 的运行/调试配置运行它,我会遇到各种不同的错误。 Fea
Error occurred during initialization of VM. Could not reserve enough space for object heap. Error: C
将 Anaconda 安装到 C:\ 后,我无法打开 jupyter 笔记本。无论是在带有 jupyter notebook 的 Anaconda Prompt 中还是在导航器中。我就是无法让它工作。
我遇到一个问题,如果我双击我的脚本 (.py),或者使用 IDLE 打开它,它将正确编译并运行。但是,如果我尝试在 Windows 命令行中运行脚本,请使用 C:\> "C:\Software_Dev
情况 我正在使用 mysql 数据库。查询从 phpmyadmin 和 postman 运行 但是当我从 android 发送请求时(它返回零行) 我已经记录了从 android 发送的电子邮件是正确
所以这个有点奇怪 - 为什么从 Java 运行 .exe 文件会给出不同的输出而不是直接运行 .exe。 当 java 在下面的行执行时,它会调用我构建的可与 3CX 电话系统配合使用的 .exe 文
这行代码 Environment.Is64BitProcess 当我的应用单独运行时评估为真。 但是当它在我的 Visual Studio 单元测试中运行时,相同的表达式的计算结果为 false。 我
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 8 年前。 Improve
我写了一个使用 libpq 连接到 PostgreSQL 数据库的演示。 我尝试通过包含将 C 文件连接到 PostgreSQL #include 在我将路径添加到系统变量 I:\Program F
如何从 Jenkins 运行 Android 模拟器来运行我的测试?当我在 Execiute Windows bath 命令中写入时,运行模拟器的命令: emulator -avd Tester 然后
我已经配置好东西,这样我就可以使用 ssl 登录和访问在 nginx 上运行的 errbit 我的问题是我不知道如何设置我的 Rails 应用程序的 errbit.rb 以便我可以运行测试 nginx
我编写了 flutter 应用程序,我通过 xcode 打开了 ios 部分并且应用程序正在运行,但是当我通过 flutter build ios 通过 vscode 运行应用程序时,我得到了这个错误
我有一个简短的 python 脚本,它使用日志记录模块和 configparser 模块。我在Win7下使用PyCharm 2.7.1和Python 3.3。 当我使用 PyCharm 运行我的脚本时
我在这里遇到了一些难题。 我的开发箱是 64 位的,windows 7。我所有的项目都编译为“任何 CPU”。该项目引用了 64 位版本的第 3 方软件 当我运行不使用任何 Web 引用的单元测试时,
当我注意到以下问题时,我正在做一些 C++ 练习。给定的代码将不会在 Visual Studio 2013 或 Qt Creator 5.4.1 中运行/编译 报错: invalid types 'd
假设我有一个 easteregg.py 文件: from airflow import DAG from dateutil import parser from datetime import tim
我是一名优秀的程序员,十分优秀!