deep-learning - 使用 cntk 检查点进行预测
问题描述
这些天,我尝试了一个由cntk实现的模型。但我找不到用训练有素的模型预测新图片的方法。训练好的模型保存为检查点:
trainer.save_checkpoint(os.path.join(output_model_folder, "model_{}".format(best_epoch)))
然后我得到了一些文件,例如:
因此,我尝试加载此模型检查点,例如:
model = ct.load_model('../data/models/VGG13_majority/model_94')
上面的代码可以成功运行。然后我尝试了
model.eval(image_data)
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ~~~~~~~~~~~~~~~~~~~~
这次我尝试了以下方法:
model = ct.load_model('../data/models/VGG13_majority/model_94')
model.eval({model.arguments[0]: [final_image]})
然后引发了一个新错误:
解决方案
对于任何 C.Function.eval() 您需要传递一个字典作为参数。
所以它会像这样,假设你只有一个 input_variable 进入模型:
model = C.load_model()
model.eval({model.arguments[0]: image_data})
无论如何,我注意到您从检查点保存了模型。通过这样做,您实际上也将“ground_truth”输入变量保存到了损失函数中。
我建议下次您直接保存模型。通常来自 save_checkpoint 的文件用于 restore_from_checkpoint()
import cntk as C
from cntk.layers import Dense
model = Dense(10)(C.input_variable(1))
loss = C.binary_cross_entropy(model, C.input_variable(10))
trainer = C.Trainer(model, (loss,), [C.adam(model.parameters, 0.9, 0.9)])
trainer.save_checkpoint("hello")
model.save() # used this to save the model directly
# to recover model from checkpoint use below
trainer.restore_from_checkpoint("hello")
original_model = trainer.model
print(trainer)
for i in trainer.model.arguments:
print(i)
推荐阅读
- javascript - 根据在javascript中选择的输入语言设置输入文本的长度
- powershell - 如何查看自己邮箱中的文件夹?
- python - Python NLP:使用 TextBlob、StanfordNLP 或 Google Cloud 识别句子的时态
- ansible - 我想执行一个 Zabbix 动作来运行一个 ansible 剧本
- c++ - 为什么我可以将 ifstream 文件置于 if 条件中?
- mysql - 自动授予对新创建表的 INSERT 权限
- python - 脚本不在终端中运行,但在 IntelliJ 中工作
- c++ - 如何跳过 CMake 编译器识别?
- c# - 无法获取共享文件夹原始文件(系统路径)
- sql-server - SQL- 使用 Powershell 和集成安全性作为计划任务进行查询不起作用?