繁体   English   中英

我想将学习到的权重与张量流一起使用

I want to use learned weights with a tensor flow

提示:本站收集StackOverFlow近2千万问答,支持中英文搜索,鼠标放在语句上弹窗显示对应的参考中文或英文, 本站还提供   中文繁体   英文版本   中英对照 版本,有任何建议请联系yoyou2525@163.com。

我用张量流训练了我的神经网络,并且学习了1,000,000次。

在“ C /文件夹”中创建了三个文件。 (元,索引和数据文件)。

我只想负担我的体重和偏见。

请看下面的代码。

c_dim = 1
scale = 3
im = Image.open('test.bmp') 
#shape of im is(256, 256, 3)
image_size_width, image_size_height = im.width, im.height
img = im.convert('YCbCr')
# I need only Y channel
# shape of img is (256, 256, 3)

arr_img = np.asarray(img)
arr_img = arr_img[:, :, 0]
#shape of arr_img is (256, 256)
arrimg = np.expand_dims(arr_img, 0)
arrimg = np.expand_dims(arrimg, 3)
# Tensorflow needs... [?, 256, 256, 1] so, i expand dimention of 'arrimg'

images = tf.placeholder(tf.float32, [None, image_size_width, image_size_height, c_dim], name='images')
# I define plachholder
w1 = tf.Variable(tf.random_normal([9, 9, 1, 64], stddev=1e-3), name='w1')
w2 = tf.Variable(tf.random_normal([1, 1, 64, 32], stddev=1e-3), name='w2')
w3 = tf.Variable(tf.random_normal([5, 5, 32, 1], stddev=1e-3), name='w3')
# I define weight
b1 = tf.Variable(tf.zeros([64]), name='b1')
b2 = tf.Variable(tf.zeros([32]), name='b2')
b3 = tf.Variable(tf.zeros([1]), name='b3')
# I define bias

conv1 = tf.nn.relu(tf.nn.conv2d(images, w1, strides=[1,1,1,1], padding='VALID') + b1)
conv2 = tf.nn.relu(tf.nn.conv2d(conv1, w2, strides=[1,1,1,1], padding='VALID') + b2)
result = tf.nn.conv2d(conv2, w3, strides=[1,1,1,1], padding='VALID') + b3
# After restoring the saved my weights, I want to put it into the calculation graph I want.

sess = tf.Session()
saver = tf.train.Saver()
saver.restore(sess, 'C:/folder/my.model-1000000')
saver.restore(sess, tf.train.latest_checkpoint('C:/folder/'))
#I restore my weight and bias 

sess.run(tf.global_variables_initializer())
aa = sess.run(result, {images : arrimg})

#aa = aa[0,:,:,0]
print(type(aa))
# this is numpy array
print(np.shape(aa))
# (1, 244, 244, 1)
# I can not change this(shape of (1, 244, 244, 1)) to image! 

aa = np.reshape(aa, (244, 244))
# so i change shape

resultimage = Image.fromarray(aa, 'L')
resultimage.save('C:/SRCNN/result.bmp')

但是,只有无意义的黑白图像。

张量流必须具有等级4才能进行图形计算。

因此,我随意更改了原始RGB图像的尺寸(256、256、3)。

是因为我在图像处理中出错了吗?

还是我在如何恢复体重和偏见方面犯了错误?

问题暂未有回复.您可以查看右边的相关问题.
1 无法在学习的张量流模型中读取已训练的权重

我正在尝试读取通过Tensorflow模型训练获得的值,但我仅获得权重的初始值。 我正在使用来自https://gist.github.com/saitodev/8532cf9e94a9490f75a9bce678751aec的示例代码,仅添加了用于打印W和b值的代码。 我得到偏差(b)的值 ...

2 如何为具有学习权重的网络提供信息?

我有一个有两个输出的网络,我之前训练过这个网络。 现在处于测试阶段,我想将它分成两个网络并分别提供它们,但我不知道如何使用训练过的权重或我怎么能这样做,因为在训练阶段所有这些都是一个网络,现在我想分开它。 我把整个代码放在这里,我希望有两个网络,每个网络产生一个输出。 一个网络应该从输入到 ...

3 试图恢复张量流中完全连接的权重

我正在尝试恢复张量流模型中完全连接的层的权重。 我已经恢复了卷积图层的权重,效果很好。 但是,该程序不断给我以下错误。 “ FailedPreconditionError(请参阅上面的回溯):尝试使用未初始化的值fully_connected_3 / biases [[Node:ful ...

4 如何理解张量流量和梯度直方图

我正在尝试使用转换网进行情绪分析。 我使用了一个基本的修道院架构。 我正在尝试分析学习,我对权重感觉不好,虽然我在学习过程中很早,但完全连接层的权重基本上建议不要仅在很少的组件上进行更新/更新,因为直方图基本上保持不变。 关于我可能遗失的任何提示? 此致,Vai ...

5 在张量流图中手动设置权重

我已经构建了一个带有自定义层的神经网络。 该网络有许多可训练的权重和偏差: 我已经训练了神经网络,在测试中取得了良好的效果。 我在我的模型中添加了一个导出方法,以 numpy 格式导出权重和偏差。 但是,当我初始化一个新模型并导入权重时,我只会得到随机结果(即使使用在先前测试中产生良好结果的相同 ...

10 PyTorch:正确提取学习的权重

我试图从线性层中提取权重,但它们似乎没有变化,尽管错误单调​​下降(即正在进行训练)。 打印权重的总和,没有任何反应,因为它保持不变: np.sum(model.fc2.weight.data.numpy()) 以下是代码段: 和 也许我正在查看错误的参数,虽 ...

暂无
暂无

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.

 
粤ICP备18138465号  © 2020-2022 STACKOOM.COM