tensorflow - 在 Tensorflow 中，如果元图使用 TFRecord 输入(没有占位符)，如何使用恢复的元图

Question

我用 TFRecord 输入管道训练了一个网络。换句话说，没有占位符。简单的例子是:

input, truth = _get_next_batch()  # TFRecord. `input` is not a tf.placeholder
net = Model(input)
net.set_loss(truth)
optimizer = tf...(net.loss)

比方说，我获得了三个文件， ckpt-20000.meta , ckpt-20000.data-0000-of-0001 , ckpt-20000.index .我知道，以后可以使用 .meta 导入元图。文件和访问张量，例如:

new_saver = tf.train.import_meta_graph('ckpt-20000.meta')
new_saver.restore(sess, 'ckpt-20000')
logits = tf.get_collection("logits")[0]

但是，元图在管道中从一开始就没有占位符。有没有办法可以使用元图和查询推理输入？

有关信息，在查询应用程序(或脚本)中，我曾经使用占位符和恢复的模型权重定义模型(见下文)。我想知道我是否可以在不重新定义的情况下使用元图，因为它会简单得多。

input = tf.placeholder(...)
net = Model(input)
tf.restore(sess, 'ckpt-2000')
lgt = sess.run(net.logits, feed_dict = {input:img})

Answer 1

您可以构建一个使用 placeholder_with_default() 的图表。对于输入，因此可以同时使用 TFRecord input pipeline以及 feed_dict{} .

一个例子:

input, truth = _get_next_batch()
_x = tf.placeholder_with_default(input, shape=[...], name='input')
_y = tf.placeholder_with_default(truth, shape-[...], name='label')

net = Model(_x)
net.set_loss(_y)
optimizer = tf...(net.loss)

然后在推理过程中，

loaded_graph = tf.Graph()
with tf.Session(graph=loaded_graph) as sess:
  new_saver = tf.train.import_meta_graph('ckpt-20000.meta')
  new_saver.restore(sess, 'ckpt-20000')

  # Get the tensors by their variable name
  input = loaded_graph.get_tensor_by_name('input:0')
  logits = loaded_graph.get_tensor_by_name(...)

  # Now you can feed the inputs to your tensors
  lgt = sess.run(logits, feed_dict = {input:img})

在上面的例子中，如果你不输入输入，那么输入将从 TFRecord input pipeline 中读取。 .