Ниже приведена моя модель архитектуры:
inputs_ = tf.placeholder(tf.float32, shape=[None, codes.shape[1]], name='inputs_')
labels_ = tf.placeholder(tf.int64, shape=[None, label_vecs.shape[1]], name='labels_')
# TODO: Classifier layers and operations
layer = tf.contrib.layers.fully_connected(inputs_, 128)
logits = tf.contrib.layers.fully_connected(layer, label_vecs.shape[1], activation_fn=None)# output layer logits
cross_entropy = tf.nn.softmax_cross_entropy_with_logits(labels=labels_, logits=logits)# cross entropy loss
cost = tf.reduce_mean(cross_entropy)
optimizer = tf.train.AdamOptimizer().minimize(cost)# training optimizer
# Operations for validation/test accuracy
predicted = tf.nn.softmax(logits, name='prediction')
correct_pred = tf.equal(tf.argmax(predicted, 1), tf.argmax(labels_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))
Я сохранил эту модель, используя
saver = tf.train.Saver()
saver.save(sess, 'checkpoints/neckline_ckpt')
Я восстанавливаю контрольную точку в другом блокноте
with tf.Session() as sess:
saver = tf.train.import_meta_graph('checkpoints/neckline_ckpt.meta')
saver.restore(sess, "checkpoints/neckline_ckpt")
Я успешно восстановил модель, как я могу предсказать тестовое изображение, используя эту восстановленную модель с контрольной точки.