python-3.x - 如何在不调用 tf.layers.batch_normalization() 的情况下在推理模式下设置批量标准化操作?
问题描述
我用 tensorflow 定义了一个深度 CNN,包括一个批量标准化操作,即,我的代码可能如下所示:
def network(input):
...
input = tf.layers.batch_normalization(input, ...)
...
假设网络已经训练好,并且检查点文件已经保存。现在我想用这个模型进行推理。通常,我可以network(input)
再次调用该函数,除了将参数传递training=False
给tf.layers.batch_normalization()
,然后从检查点文件中恢复权重。
但是,我更喜欢用它tf.import_meta_graph
来重建我的网络,因为函数中的代码network(input)
可以更改。
但是现在我如何在推理模式下设置批量标准化操作呢?由于我无法访问 function tf.layers.batch_normalization()
,因此我很难解决这个问题。
解决方案
推荐阅读
- javascript - 为焦点上的jquery可拖动元素添加边框
- r - 如何在 geom_density 上指定两条具有不同颜色和形状的曲线
- java - 有什么方法可以加密外部 SD 卡上的 SQLite 数据库?
- c# - 向 AD 查询 LAPS ExpirationTime 时返回 System.__ComObject
- python-3.x - Scrapyd 不会将包含 selenium 模块的蜘蛛项目部署到我的本地主机
- android - Bindable 必须在 Observable 类的成员上
- string - 如何将 chr(47) '\' 添加到字符串中?
- postgresql - 可以通过 shell 连接到 postgres 容器,但不能通过 phoenix app
- java - 在 Spring REST 应用程序中实现调解器设计模式?
- sorting - 使用文档的数组字段在 N1QL 中对文档进行排序