如何使用tf训练好的模型

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了如何使用tf训练好的模型相关的知识,希望对你有一定的参考价值。

参考技术A   1、将mnist.tflite模型放在assets文件夹下。

  2、更新build.gradle以包含tflite依赖项。

  3、为用户创建自定义视图。

  4、创建一个进行数字分类的分类器。

  5、从自定义视图输入图像。

  6、图像预处理。

  7、用模型对图像进行分类。

  8、然后处理。

  9、在用户界面中显示结果。

tf.train.Saver()-tensorflow中模型的保存及读取

作用:训练网络之后保存训练好的模型,以及在程序中读取已保存好的模型

使用步骤:

  • 实例化一个Saver对象 saver = tf.train.Saver() 
  • 在训练过程中,定期调用saver.save方法,像文件夹中写入包含当前模型中所有可训练变量的checkpoint文件 saver.save(sess,FLAGG.train_dir,global_step=step) 
  • 之后可以使用saver.restore()方法,重载模型的参数,继续训练或者用于测试数据 saver.restore(sess,FLAGG.train_dir) 

在save之后会在相应的路径下面新增如下四个红色文件

技术图片

在saver实例每次调用save方法时,都会创建三个数据文件和一个检查点(checkpoint)文件,权重等参数被以字典的形式保存到.ckpt.data中,图和元数据被保存到.ckpt.meta中,可以被tf.train.import_meta_graph加载到当前默认的图

softmaxRegression.py

 1 # _*_ coding:utf-8 _*_
 2 import os
 3 os.environ[TF_CPP_MIN_LOG_LEVEL] = 2
 4 import tensorflow as tf
 5 from tensorflow.examples.tutorials.mnist import input_data
 6 
 7 #get the datase
 8 mnist = input_data.read_data_sets("MNIST_data/",one_hot=True)
 9 
10 print(mnist.train.images.shape,mnist.train.labels.shape)
11 
12 sess = tf.InteractiveSession()
13 
14 x = tf.placeholder(tf.float32,[None,784])
15 W = tf.Variable(tf.zeros([784,10]))
16 b = tf.Variable(tf.zeros([10]))
17 
18 y = tf.nn.softmax(tf.matmul(x,W)+b)
19 y_ = tf.placeholder(tf.float32,[None,10])
20 cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_*tf.log(y),reduction_indices=[1]))
21 
22 train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
23 tf.global_variables_initializer().run()
24 
25 #保存模型对象saver
26 saver = tf.train.Saver()
27 
28 #判断保存模型对象文件夹是否存在
29 if not os.path.exists(tmp/):
30     print(i am here)
31     os.mkdir(tmp/)
32 else:
33     print("2")
34 
35 
36 if os.path.exists(tmp/chckpoint):
37     saver.restore(sess,tmp/model.ckpt)
38     correct_prediction = tf.equal(tf.arg_max(y, 1), tf.argmax(y_, 1))
39     accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
40     save_path = saver.save(sess, tmp/model.ckpt)
41     print("2")
42     print(accuracy.eval({x: mnist.test.images, y_: mnist.test.labels}))
43 else:
44     for i in range(1000):
45         batch_xs,batch_ys = mnist.train.next_batch(100)
46         train_step.run({x:batch_xs,y_:batch_ys})
47     correct_prediction = tf.equal(tf.arg_max(y,1),tf.argmax(y_,1))
48     accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))
49     save_path = saver.save(sess,tmp/model.ckpt)
50     print(accuracy.eval({x:mnist.test.images,y_:mnist.test.labels}))

 

以上是关于如何使用tf训练好的模型的主要内容,如果未能解决你的问题,请参考以下文章

如何使用 Tf-idf 特征来训练你的模型?

tensorflow训练好的模型,怎么调用?

如何使用 tensorflow 数据集训练 sklearn 模型?

tf.train.Saver()-tensorflow中模型的保存及读取

如何在 tf2 中导出、导入和运行自定义模型?

如何使用Tensorflow数据集进行CNN模型训练