如何在tensorflow中多次运行模型？

Question

我想对一个文件 ConvNet.py 进行多次训练，以便生成一些关于其训练的统计数据，例如精度、混淆矩阵等。所以，我尝试（在 google colab 中）做类似的事情

for k in range(10:
    %run ConvNet.py

第一次训练很顺利，但是当第二次开始时，出现了问题。它说“weights 变量已经定义，不允许”（weights 是我在 ConvNet.py 中定义的第一个变量）并且脚本停止。

我尝试用 os kill 清除变量，但还是有问题。我该如何解决这个问题？

Answer 1

如果您直接在 Python 中进行迭代训练可能会更好。

您没有分享太多关于您的设置的信息，但您可以执行以下操作：

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

def build_model():
    model = tf.keras.models.Sequential()

    model.add(tf.keras.layers.Flatten(input_shape=(28,28,)))
    model.add(tf.keras.layers.Dense(32, activation="relu"))
    model.add(tf.keras.layers.Dense(10, activation="sigmoid"))

    model.compile(optimizer=tf.train.AdamOptimizer(), 
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

    return model


for i in range(10):
    model = build_model()

    model.fit(x_train, y_train)

    model.save_weights(f"./weights-{i}.hdf5")

当你想进行分析时：

for i in range(10):
    model = build_model()

    model.load_weights(f"./weights-{i}.hdf5")

    do_analysis(model)