Giá trị dòng chảyLỗi: Không có biến nào để lưu từ

Question

Tôi đã viết một CNN lưu lượng và nó đã được đào tạo. Tôi muốn khôi phục nó để chạy nó trên một vài mẫu nhưng tiếc là phỉ nhổ nó ra:

ValueError: No variables to save

đang eval của tôi có thể được tìm thấy ở đây:

import tensorflow as tf 

import main 
import Process 
import Input 

eval_dir = "/Users/Zanhuang/Desktop/NNP/model.ckpt-30" 
checkpoint_dir = "/Users/Zanhuang/Desktop/NNP/checkpoint" 

init_op = tf.initialize_all_variables() 
saver = tf.train.Saver() 

def evaluate(): 
    with tf.Graph().as_default() as g: 
    sess.run(init_op) 

    ckpt = tf.train.get_checkpoint_state(checkpoint_dir) 

    saver.restore(sess, eval_dir) 

    images, labels = Process.eval_inputs(eval_data = eval_data) 

    forward_propgation_results = Process.forward_propagation(images) 

    top_k_op = tf.nn.in_top_k(forward_propgation_results, labels, 1) 

    print(top_k_op) 

def main(argv=None): 
    evaluate() 

if __name__ == '__main__': 
    tf.app.run() 

Answer 1

Các tf.train.Saver phải được tạo ra sau các biến mà bạn muốn khôi phục (hoặc lưu). Ngoài ra, nó phải được tạo trong cùng một biểu đồ như các biến đó.

Giả sử rằng Process.forward_propagation(…) cũng tạo ra các biến trong mô hình của bạn, thêm sự sáng tạo tiết kiệm sau khi dòng này nên làm việc:

forward_propgation_results = Process.forward_propagation(images) 

Bên cạnh đó, bạn phải vượt qua mới tf.Graph mà bạn đã tạo cho các nhà xây dựng tf.Session vì vậy bạn sẽ cần phải di chuyển việc tạo ra sess bên trong khối with đó.

Chức năng kết quả sẽ là một cái gì đó như:

def evaluate(): 
    with tf.Graph().as_default() as g: 
    images, labels = Process.eval_inputs(eval_data = eval_data) 
    forward_propgation_results = Process.forward_propagation(images) 
    init_op = tf.initialize_all_variables() 
    saver = tf.train.Saver() 
    top_k_op = tf.nn.in_top_k(forward_propgation_results, labels, 1) 

    with tf.Session(graph=g) as sess: 
    sess.run(init_op) 
    saver.restore(sess, eval_dir) 
    print(sess.run(top_k_op))