[英]how to freeze the tensorflow model?
我有一個保存rnn類的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,我使用了以下代碼來使用此模型。
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)
我的問題是在測試步驟中如何凍結模型? 我知道如果運行訓練步驟,該模型的權重將被更新。 但是當我運行測試步驟時,我不再想要更新權重了,我只想獲得預測的結果? 我應該如何修改我的代碼以實現此目的?
要訓練模型,您需要定義一個訓練來運行模型, 例如 train_op = tf.train.AdamOptimizer(1e-4).minimize(loss_op)
意味着每次您運行train_op
它都會進行AdamOptimizer的一步在loss_op
,它將更新變量。
但是,如果要評估模型,只需運行output_op
即可得到結果。 TensorFlow將僅運行圖表中所需的部分,而不會更多。 所以,當你問output_op
或loss_op
它不會改變的變量。
您可能會發現此頁面有助於了解更多內容在TensorFlow中的工作方式。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.