时间戳

首页 > 解决方案 > 如何保存表示在 Tensorflow 中构建的神经网络的对象

python - 如何保存表示在 Tensorflow 中构建的神经网络的对象

问题描述

我是 Tensorflow 的新手，正在 github 上玩一些代码。此代码为神经网络创建一个类，其中包括构建网络、制定损失函数、训练网络、执行预测等方法。

骨架代码看起来像这样：

class NeuralNetwork:
    def __init__(...):

    def initializeNN():

    def trainNN():

    def predictNN():

等等。神经网络是用 Tensorflow 构建的，因此，类定义及其方法使用 tensorflow 语法。

现在在我的脚本的主要部分，我通过

model = NeuralNetwork(...)

并使用model.predict等模型的方法来生成绘图。

由于训练神经网络需要很长时间，我想保存对象“模型”以供将来使用并有可能调用其方法。我试过泡菜和莳萝，但都失败了。对于泡菜，我得到了错误：

类型错误：无法腌制 _thread.RLock 对象

而对于莳萝，我得到了：

TypeError：无法腌制 SwigPyObject 对象

有什么建议我可以保存对象并仍然能够调用它的方法吗？这是必不可少的，因为我可能想在未来对一组不同的点进行预测。

谢谢！

标签： pythonooptensorflowdeep-learningsave

解决方案

你应该做的是：

# Build the graph
model = NeuralNetwork(...)
# Create a train saver/loader object
saver = tf.train.Saver()
# Create a session
with tf.Session() as sess:
    # Train the model in the same way you are doing it currently
    model.train_model()
    # Once you are done training, just save the model definition and it's learned weights
    saver.save(sess, save_path)

而且，你完成了。然后，当您想再次使用该模型时，您可以做的是：

# Build the graph
model = NeuralNetwork()
# Create a train saver/loader object
loader = tf.train.Saver()
# Create a session
with tf.Session() as sess:
    # Load the model variables
    loader.restore(sess, save_path)
    # Train the model again for example
    model.train_model()

推荐阅读