[英]how to freeze the tensorflow model?
我有一个保存rnn类的model.py文件。 例如:
class TextRNN:
def __init__(self, hidden_size, num_classes, learning_rate...):
self.input_data = tf.placeholder(tf.int32,[batch_size,None],name="input_data")
self.output_label = tf.placeholder(tf.float32,[batch_size,num_classes],name="output_label")
self.dropout_rate = tf.placeholder(tf.float32,name="dropout_rate")
with tf.name_scope("embedding"):
...
with tf.name_scope("hidden"):
...
with tf.name_scope("output"):
...
在main.py中,我使用了以下代码来使用此模型。
with tf.Graph().as_default():
sess = tf.Session()
with sess.as_default():
rnn = TextRNN(...)
...
#training step
def train_step(x_batch, y_batch...):
feed_dict = {rnn.input_data:x_batch,rnn.output_label:y_batch,rnn.dropout_rate:0.5}
sess.run(feed_dict)
...
#testing step
def test_step(x_batch, y_batch...):
feed_dict = {rnn.input_data:x_batch,rnn.output_label:y_batch,rnn.dropout_rate:0.5}
sess.run(feed_dict)
我的问题是在测试步骤中如何冻结模型? 我知道如果运行训练步骤,该模型的权重将被更新。 但是当我运行测试步骤时,我不再想要更新权重了,我只想获得预测的结果? 我应该如何修改我的代码以实现此目的?
要训练模型,您需要定义一个训练来运行模型, 例如 train_op = tf.train.AdamOptimizer(1e-4).minimize(loss_op)
意味着每次您运行train_op
它都会进行AdamOptimizer的一步在loss_op
,它将更新变量。
但是,如果要评估模型,只需运行output_op
即可得到结果。 TensorFlow将仅运行图表中所需的部分,而不会更多。 所以,当你问output_op
或loss_op
它不会改变的变量。
您可能会发现此页面有助于了解更多内容在TensorFlow中的工作方式。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.