Tensorflow：如何使用早期训练的估计器

Question

所以我在这里看官方的tensorflow教程：https://www.tensorflow.org/tutorials/layers

基本上，它教你如何为 mnist 数据集训练分类器。

完整的代码很短，可以在这里找到： https://github.com/tensorflow/tensorflow/blob/r1.8/tensorflow/examples/tutorials/layers/cnn_mnist.py

我可以毫无问题地运行它。但我想知道如何将在这个文件中训练的估计器重用于其他程序。模型保存为 3 个文件：一个 .data-00000-of-00001 文件、一个 .meta 文件和一个 .index 文件。

我用谷歌搜索了，看来您可以通过以下方式加载模型：

sess=tf.Session()    
saver = tf.train.import_meta_graph('my_model.meta')
saver.restore(sess,tf.train.latest_checkpoint('./'))      

但是我该如何从这里开始呢？教程没有教你如何重用估算器，这似乎很奇怪。

Answer 1

导入元图不会在元图中显式加载您的节点。 它仅在“内部”加载节点。并且这个内部节点有你之前分配的名称，比如

tf.truncated_normal([28, 128], stddev=1.0 / math.sqrt(float(28))), name="weights1")

在这种情况下，“weights1”是您的“内部”节点名称。 然后您应该将您的“内部”节点绘制（分配）到“外部”变量（代码级别）。

# bring out a "weights1" node from meta graph
fc_weights1 = tf.get_collection('weights1')

像这样，你可以做到

logits = tf.get_collection('logits_node_before_you_named')

您可以编写新的损失、准确性节点，您之前已经完成了。 总之，你可以通过tf.get_collection方法将你想要使用的节点拉到表面（代码级别）。

附：使用这些“内部”、“外部”术语不是官方的，只是为了方便。