TensorFlow 呼叫預訓練好的模型—— Python 實現
摘要：
TensorFlow 預訓練好的模型被儲存為以下四個檔案
data 檔案是訓練好的引數值，meta 檔案是定義的神經網路圖，checkpoint 檔案是所有模型的儲存路徑，如下所示，為簡單起見只保留了一個模型。
model_checkpo...
- TensorFlow 預訓練好的模型被儲存為以下四個檔案
- data 檔案是訓練好的引數值，meta 檔案是定義的神經網路圖，checkpoint 檔案是所有模型的儲存路徑，如下所示，為簡單起見只保留了一個模型。
model_checkpoint_path: "/home/senius/python/c_python/test/model-40" all_model_checkpoint_paths: "/home/senius/python/c_python/test/model-40" 複製程式碼
2. 匯入模型圖、引數值和相關變數
import tensorflow as tf
import numpy as np
sess = tf.Session()
X = None # input
yhat = None # output
def load_model():
"""
Loading the pre-trained model and parameters.
"""
global X, yhat
modelpath = r'/home/senius/python/c_python/test/'
saver = tf.train.import_meta_graph(modelpath + 'model-40.meta')
saver.restore(sess, tf.train.latest_checkpoint(modelpath))
graph = tf.get_default_graph()
X = graph.get_tensor_by_name("X:0")
yhat = graph.get_tensor_by_name("tanh:0")
print('Successfully load the pre-trained model!')
複製程式碼
- 通過 saver.restore 我們可以得到預訓練的所有引數值，然後再通過 graph.get_tensor_by_name 得到模型的輸入張量和我們想要的輸出張量。
3. 執行前向傳播過程得到預測值
def predict(txtdata):
"""
Convert data to Numpy array which has a shape of (-1, 41, 41, 41 3).
Test a single example.
Arg:
txtdata: Array in C.
Returns:
Three coordinates of a face normal.
"""
global X, yhat
data = np.array(txtdata)
data = data.reshape(-1, 41, 41, 41, 3)
output = sess.run(yhat, feed_dict={X: data})# (-1, 3)
output = output.reshape(-1, 1)
ret = output.tolist()
return ret
複製程式碼
- 通過 feed_dict 喂入測試資料，然後 run 輸出的張量我們就可以得到預測值。
4. 測試
load_model()
testdata = np.fromfile('/home/senius/python/c_python/test/04t30t00.npy', dtype=np.float32)
testdata = testdata.reshape(-1, 41, 41, 41, 3) # (150, 41, 41, 41, 3)
testdata = testdata[0:2, ...] # the first two examples
txtdata = testdata.tolist()
output = predict(txtdata)
print(output)
#[[-0.13345889747142792], [0.5858198404312134], [-0.7211828231811523],
# [-0.03778800368309021], [0.9978875517845154], [0.06522832065820694]]
複製程式碼
- 本例輸入是一個三維網格模型處理後的 [41, 41, 41, 3] 的資料，輸出一個表面法向量座標 (x, y, z)。
獲取更多精彩，請關注「seniusen」!
