Tensorflow Slim 恢复模型并预测答案

【问题标题】：Tensorflow Slim restore model and predictTensorflow Slim 恢复模型并预测
【发布时间】：2023-06-03 02:36:01
【问题描述】：

我目前正在尝试学习如何使用 TF-Slim，我正在学习本教程：https://github.com/mnuke/tf-slim-mnist。

假设我已经在检查点中保存了一个经过训练的模型，我现在如何使用该模型并应用它？比如，在本教程中，我如何使用经过训练的 MNIST 模型并输入一组新的 MNIST 图像，然后打印预测结果？

【问题讨论】：

标签： model tensorflow prediction mnist tf-slim

【解决方案1】：

看看官方的 TF-Slim documentation 和 walkthrough

【讨论】：

链接已失效。这就是为什么最好的 SO 答案不只是没有解释的链接。
更新了链接，很难解释所有细节，文档更好。

【解决方案2】：

您可以尝试以下工作流程：

#obtain the checkpoint file
checkpoint_file= tf.train.latest_checkpoint("./log")

#Construct a model as such:
with slim.arg_scope(mobilenet_arg_scope(weight_decay=weight_decay)):
            logits, end_points = mobilenet(images, num_classes = dataset.num_classes, is_training = True, width_multiplier=width_multiplier)

#Obtain the trainable variables and a saver
variables_to_restore = slim.get_variables_to_restore()
saver = tf.train.Saver(variables_to_restore)

#Proceed to create your training optimizer and predictions monitoring, summaries etc.
...

#Finally when you're about to train your model in a session, restore the checkpoint model to your graph first:

with tf.Session() as sess:
    saver.restore(sess, checkpoint_file)
    #...Continue your training

基本上，您必须获得要恢复的正确变量，并且这些变量的名称必须与您的检查点模型中找到的名称相匹配。然后，将要恢复的变量列表传递给一个 Saver，然后在一个 TF session 中，让 saver 从 session 中的一个 checkpoint 模型中恢复所有变量。

【讨论】：