如何应用经过训练的神经网络？

Question

[Python 3.7, Tensorflow] 我训练了一个神经网络。一切正常，它会学习，但是一旦完成学习，它就会关闭并且失去进步。现在我要做的是输入新数据并手动查看网络的性能。

我已经摆弄了

saver = tf.train.Saver()
saver.save(sess, 'model/model.ckpt')

但这总是会导致一英里长的错误报告以“未知错误：无法重命名'model/model.ckpt'”等结尾。

上下文中的代码如下所示：

def train_neural_network(x):
    training_data = generate_training_data() # i cut getting training data since its a bit out of context here, but its basically like mnist data

    prediction = neural_network_model(x) # normal, 3-layer feed forward NN
    cost = tf.reduce_mean( tf.square(prediction - y) )
    optimizer = tf.train.AdamOptimizer(0.01).minimize(cost)

    hm_epochs = 10
    saver = tf.train.Saver()

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())

        for epoch in range(hm_epochs+1):
            epoch_loss = 0

            for i in range(10):
                epoch_x, epoch_y = training_data

                _, c = sess.run([optimizer, cost], feed_dict = {x: epoch_x, y: epoch_y})

        saver.save(sess, 'model/model.ckpt')

我尝试在 main 中调用这个经过训练的神经网络：

train_neural_network(x)

X, Y = generate_training_data()

prediction = neural_network_model(x)
saver = tf.train.Saver()

with tf.Session() as sess:

     saver.restore(sess, 'model/model.ckpt')
     result = sess.run(prediction, feed_dict={x: X})

print(Y, result)

到目前为止，它都在一个文件中，但我也可以使用两个单独的文件。

这会导致一个错误，它表示通常的 python 错误，由其路径组成并以
结尾 “……在 _do_call 中 raise type(e)(node_def, op, message)" 在我认为之前，出现了特定于 Tensorflow 的错误： “未知错误：无法重命名‘model/model.ckpt’” 和 "由操作 'save_13/SaveV2' 引起，定义在：", 然后是一条很长很长的路，大约有 87 行， “未知错误”再次重复。

我想要的是带有来自神经网络预测输出的打印输出标签。 （代码中的打印行。）

不幸的是，到目前为止，我还没有找到任何适用于各种互联网搜索的东西，但我觉得让它发挥作用应该不会太难。 提前谢谢你。

Answer 1

如果您查看模型输出检查点的文件夹 (/model)，您应该会看到每次保存 3 个单独的文件：model.ckpt-xxx.data、model.ckpt-xxx.index 和 model。 ckpt-xxx.meta，其中 xxx 是 Tensorflow 附加的检查点的 ID。

当您想要恢复某个检查点时，您还必须添加 ID，因为通常在训练期间会创建同一网络的多个检查点，以便我们稍后可以在必要时重新训练网络。

所以我会查看模型文件夹并仔细检查文件名，我的猜测是 如果您只创建一个检查点，saver.restore(sess, 'model/model.ckpt-0') 就可以解决问题。