在不同的会话中加载 TensorFlow 模型

Posted 2023-02-23

【中文标题】在不同的会话中加载 TensorFlow 模型

【英文标题】：Loading Tensorflow model in different session

【发布时间】：2018-03-31 11:49:53

【问题描述】：

我对这一切有点陌生，所以你能帮帮我吗？我试图找到这个问题的答案，但一无所获。

我正在尝试在一个单独的函数中在 python 中加载 Tensorflow 模型，这样我就可以在循环中使用该模型，而不必在 for 循环的每次迭代中加载它。

这是我现在的代码：

def load_network():
    prediction = neural_network_model(x)    
    return (prediction)



def use_neural_network(data, prediction):         
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        saver = tf.train.import_meta_graph(model_name+'.meta')
        saver.restore(sess,model_name)
        pred = sess.run(prediction, feed_dict=x: data)
        pred = np.asarray(pred)
    return pred


if __name__ == '__main__':
    result=[]
    Load= start_network()
    for i in data:
        result.append(use_neural_network(i,Load))

我想得到这样的东西：

def load_network():
    prediction = neural_network_model(x)    
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        saver = tf.train.import_meta_graph(model_name+'.meta')
        saver.restore(sess,model_name)

    return (prediction)



def use_neural_network(data, prediction):         
    with tf.Session() as sess:
        pred = sess.run(prediction, feed_dict=x: data)
        pred = np.asarray(pred)
    return pred


if __name__ == '__main__':
    result=[]
    Load= start_network()
    for i in data:
        result.append(use_neural_network(i,Load))

【参考方案1】：

通常，您想要实现的目标很容易实现，并且您走在正确的轨道上。在主块中，您有 start_network() 而不是第一行中的 load_network()。我还建议不要使用Load 作为变量名，但这应该不是问题。此外，TensorFlow Session（代码中的sess）应该是一个全局变量，或者您应该在主块或load_network() 函数中对其进行初始化，然后将其传递给use_neural_network() 函数。目前这两个函数中的两个sess变量的写法是局部的，因此指的是不同的会话。

如果您想避免必须使用 neural_network_model( x ) 函数，即在开始时构建模型，您可能希望冻结模型并以这种方式加载它，并嵌入架构也是。最容易遵循这方面的指南，例如 this one。