Восстановление обученной нейронной сети

Question

У меня есть RNN с LSTM, в котором используются два заполнителя для сопоставления входного вектора с целевым вектором.Обучение работает, но при восстановлении, что я предоставляю целевую метку-заполнитель?

Концептуально я не понимаю, почему это нужно делать, поскольку в производственной среде у меня был бы только входной вектор, и я хотел бы, чтобы обученная модель предоставилавыход.

Answer 1

Обычно, когда вы делаете контролируемое обучение, у вас есть входные данные x и обоснованная истина y.Ваша модель с ее параметризацией обеспечивает прогноз y_hat.Благодаря использованию оптимизатора, который сводит к минимуму потери - меру того, насколько ваш прогноз близок к истине, - вы адаптируете свою модель к данным и улучшаете результаты.

Когда вы закончите обучение, вам больше не понадобится заполнитель для y, так как вы вводите x в модель и получаете ее прогноз y_hat.Следовательно, вы правы, что делаете что-то вроде

# load model
x = graph.get_tensor_by_name('x:0')
y_hat = graph.get_tensor_by_name('whateverOutput:0')

sess.run(y_hat, feed_dict={x:myProductionData})

Так что ваши результаты теперь сохраняются в y_hat.