如何凍結張量流模型？

Question

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？

Answer 1

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。