首页 文章

如何从训练有素的Tensorflow分类器中获取类预测？

提问于
浏览 次
0

我已经训练过二元分类器模型 . 模型类包含 self.cost ， self.initial_state ， self.final_state 和 self.logits 参数 . 它只用 tf.train.Saver 保存：

saver = tf.train.Saver(tf.global_variables(), max_to_keep=1)
saver.save(session, 'model.ckpt')

模型训练完成后，我将其加载为：

with tf.variable_scope("Model", reuse=False):
    model = MODEL(config, is_training=False)

with tf.Session() as session:
    saver = tf.train.Saver(tf.global_variables())
    saver.restore(session, 'model.ckpt')

但是，我的 model.run 函数返回交叉熵丢失，这是图中的最后一个操作 . 我不需要丢失，我需要每个批处理元素的模型预测

logits = tf.sigmoid(tf.nn.xw_plus_b(last_layer, self.output_w, self.output_b))

其中 last_layer 是 800x1 矩阵，然后我将其重塑为 32x25x1 （batch_size，sequence_length，1）矩阵 . 正是该矩阵包含[0-1]范围内的模型预测值 .

那么，我该如何使用这个模型来预测单个元素矩阵 1x1x1 ？

python tensorflow machine-learning

1 回答

  • 1

    添加计算精度所需的OP，就像我在下面复制的那样（只是从我手边最近的模型中复制出来） .

    self.logits_flat = tf.argmax(logits, axis=1, output_type=tf.int32)
  labels_flat = tf.argmax(labels, axis=1, output_type=tf.int32)
  accuracy = tf.cast(tf.equal(self.logits_flat, labels_flat), tf.float32, name='accuracy')

    现在，当您运行模型时（在测试或培训期间），将sess.run调用的准确性添加为：

    sess.run([train_op, accuracy], feed_dict=...)

    要么

    sess.run([accuracy, logits], feed_dict=...)

    当你调用 sess.run 时，你所做的就是告诉tensorflow来计算你要求的任何值 . 您需要将它传递给执行这些计算所需的任何数据 . Tensorflow是懒惰的，它明确地需要产生您请求的结果 . 例如 . 如果您运行上面列出的第二个 sess.run 版本，则不会运行优化程序，因此您的权重将不会更新 .

    请注意，您可以在训练网络后添加OP，因为它们实际上都没有添加任何变量，因此它们不会影响保存/恢复过程 .

    回复于

相关问题