恢复训练有素的神经网络答案

【问题标题】：Restoring a Trained Neural Network恢复训练有素的神经网络
【发布时间】：2018-06-07 14:59:12
【问题描述】：

我有一个带有 LSTM 的 RNN，它使用两个占位符来针对目标向量训练输入向量。训练有效，但在恢复时我应该提供什么目标占位符？

从概念上讲，我不明白为什么需要这样做，因为在生产环境中我只有输入向量，并希望经过训练的模型提供输出。

【问题讨论】：

你能发布一些代码和错误吗？这将有助于明确您的具体要求。

标签： tensorflow neural-network recurrent-neural-network

【解决方案1】：

通常，当您进行监督学习时，您有一个输入 x 和基本事实 y。您的模型及其参数化提供了预测 y_hat。通过使用使损失最小化的优化器（衡量您的预测与实际情况的接近程度），您可以使模型适应数据并改进结果。

当您完成训练后，您不再需要 y 的占位符，因为您将一些 x 输入模型并获得其预测 y_hat。因此，您这样做是对的

# load model
x = graph.get_tensor_by_name('x:0')
y_hat = graph.get_tensor_by_name('whateverOutput:0')

sess.run(y_hat, feed_dict={x:myProductionData})

所以您的结果现在存储在 y_hat 中。

【讨论】：

是，但恢复失败并出现错误“必须为占位符提供值”
如果您理解这个概念，为什么不发布您的代码？你写道你对这个概念有问题。