【问题标题】:How do I import a trained deep CNN model?如何导入经过训练的深度 CNN 模型?
【发布时间】:2019-03-24 16:08:03
【问题描述】:

我已经使用 Tensorflow 在集群上的 GPU 上训练了一个深度 CNN 模型。现在我想将该模型加载到我的笔记本电脑中。但是当我想使用以下命令时,我收到一个错误:

new_saver = tf.train.import_meta_graph('./3/Model_Arch3/Deep_CNN_Color_Arch8.ckpt-178000.meta')

我收到的错误是:

Traceback(最近一次调用最后一次):文件“dev_test.py”,第 28 行,在 new_saver = tf.train.import_meta_graph('./3/Model_Arch3/Deep_CNN_Color_Arch8.ckpt-178000.meta') 文件 “/usr/local/lib/python2.7/dist-packages/tensorflow/python/training/saver.py”, 第 1810 行,在 import_meta_graph **kwargs)文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/meta_graph.py”, 第 660 行,在 import_scoped_meta_graph producer_op_list=producer_op_list)文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/framework/importer.py”, 第 285 行,在 import_graph_def raise ValueError('No op named %s in defined operations.' % node.op) ValueError: No op named ParseSingleExample in defined 操作。

如果有人帮助我解决这个问题,我真的很感激。

【问题讨论】:

  • 我感觉可能不支持相对路径。您可以尝试传递文件的完整路径吗?
  • 我尝试传递文件的完整路径,但没有成功。
  • 奇怪的是,当我使用我的 CPU 在笔记本电脑上训练这个网络时,我可以毫无问题地加载模型!

标签: python tensorflow conv-neural-network


【解决方案1】:

我发现了问题所在。 我正在使用 python 3.5.4 进行培训程序。然后我使用 python 2.7 来重建图形,这就是问题所在。 感谢那些试图提供帮助的人

【讨论】:

  • 啊刚刚注意到这一点。您介意投票以展示我们如何找到正确的问题吗?可能会帮助其他考虑尝试我们所做的所有方法的人,因为该问题可能由于多种原因而出现。
【解决方案2】:

这也可能是您尝试执行的操作的延迟加载问题。 在加载图表之前尝试添加dir(tf.contrib) 一行。

供参考——在一个旧的 TF GitHub 问题中提出了类似的问题 https://github.com/tensorflow/tensorflow/issues/10130


更新:

我想我现在看到了这个问题。由于您在 GPU 上进行了培训,并且您现在正在普通机器/CPU 上运行。您需要从加载的对象中清除设备。尝试添加 clear_devices 作为参数:

dir(tf.contrib)
with tf.Session() as sess:
    new_saver = tf.train.import_meta_graph(full_file_path, clear_devices=True)

最后,您的本地机器和 GPU 机器之间的 TF 版本可能不同步。尝试更新您的本地版本。

【讨论】:

  • 当我从我在我的 gpu 上运行的代码中获取图表时,就会出现这个问题。但是,当我在没有 GPU 的笔记本电脑上运行此代码并获取图形文件时,它工作正常。
  • 我试过 new_saver = tf.train.import_meta_graph(full_file_path, clear_devices=True) 但也没有用!
  • 嗯,很有趣。你可以试试我更新的代码吗?确保这是发生错误的地方,并且其他线路不会干扰。 ofc full_file_path 应该是感兴趣文件的文件路径 :)
  • 我试过你的代码,但还是不行!我删除了其他不必要的代码行
  • 我可以在我训练模型的 GPU 集群上构建图表。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2019-06-25
  • 2018-10-12
  • 2018-12-16
  • 1970-01-01
  • 1970-01-01
  • 2018-04-21
  • 2019-11-30
相关资源
最近更新 更多