溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
Tensorflow可以使用訓練好的模型對新的數據進行測試，有兩種方法：第一種方法是調用模型和訓練在同一個py文件中，中情況比較簡單；第二種是訓練過程和調用模型過程分別在兩個py文件中。本文將講解第二種方法。
模型的保存
tensorflow提供可保存訓練模型的接口，使用起來也不是很難，直接上代碼講解：
#網絡結構
w1 = tf.Variable(tf.truncated_normal([in_units, h2_units], stddev=0.1))
b1 = tf.Variable(tf.zeros([h2_units]))
y = tf.nn.softmax(tf.matmul(w1, x) + b1)
tf.add_to_collection('network-output', y)
x = tf.placeholder(tf.float32, [None, in_units], name='x')
y_ = tf.placeholder(tf.float32, [None, 10], name='y_')
#損失函數與優化函數
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.AdamOptimizer(rate).minimize(cross_entropy)
saver = tf.train.Saver()
with tf.Session() as sess:
sess.run(init)
saver.save(sess,"save/model.ckpt")
train_step.run({x: train_x, y_: train_y})
以上代碼就完成了模型的保存，值得注意的是下面這行代碼
tf.add_to_collection('network-output', y)
這行代碼保存了神經網絡的輸出，這個在后面使用導入模型過程中起到關鍵作用。
模型的導入
模型訓練并保存后就可以導入來評估模型在測試集上的表現，網上很多文章只用簡單的四則運算來做例子，讓人看的頭大。還是先上代碼：
with tf.Session() as sess:
saver = tf.train.import_meta_graph('./model.ckpt.meta')
saver.restore(sess, './model.ckpt')# .data文件
pred = tf.get_collection('network-output')[0]
graph = tf.get_default_graph()
x = graph.get_operation_by_name('x').outputs[0]
y_ = graph.get_operation_by_name('y_').outputs[0]
y = sess.run(pred, feed_dict={x: test_x, y_: test_y})
講解一下關鍵的代碼，首先是pred = tf.get_collection('pred_network')[0]，這行代碼獲得訓練過程中網絡輸出的“接口”，簡單理解就是，通過tf.get_collection() 這個方法獲取了整個網絡結構。獲得網絡結構后我們就需要喂它對應的數據y = sess.run(pred, feed_dict={x: test_x, y_: test_y}) 在訓練過程中我們的輸入是
x = tf.placeholder(tf.float32, [None, in_units], name='x') y_ = tf.placeholder(tf.float32, [None, 10], name='y_')
因此導入模型后所需的輸入也要與之對應可使用以下代碼獲得：
x = graph.get_operation_by_name('x').outputs[0]
y_ = graph.get_operation_by_name('y_').outputs[0]
使用模型的最后一步就是輸入測試集，然后按照訓練好的網絡進行評估
sess.run(pred, feed_dict={x: test_x, y_: test_y})
理解下這行代碼，sess.run() 的函數原型為
run(fetches, feed_dict=None, options=None, run_metadata=None)
Tensorflow對 feed_dict 執行fetches操作，因此在導入模型后的運算就是，按照訓練的網絡計算測試輸入的數據。
以上這篇Tensorflow實現在訓練好的模型上進行測試就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
