我对这一切有点陌生所以你能帮我吗？我试图找到这个问题的答案，但一无所获。
我正在尝试在单独的函数中在 python 中加载 Tensorflow 模型，以便我可以在循环中使用该模型，而不必在 for 循环的每次迭代中加载它。
这是我现在的代码：
def load_network():
prediction = neural_network_model(x)
return (prediction)
def use_neural_network(data, prediction):
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
saver = tf.train.import_meta_graph(model_name+'.meta')
saver.restore(sess,model_name)
pred = sess.run(prediction, feed_dict={x: data})
pred = np.asarray(pred)
return pred
if __name__ == '__main__':
result=[]
Load= start_network()
for i in data:
result.append(use_neural_network(i,Load))
我想得到这样的东西：
def load_network():
prediction = neural_network_model(x)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
saver = tf.train.import_meta_graph(model_name+'.meta')
saver.restore(sess,model_name)
return (prediction)
def use_neural_network(data, prediction):
with tf.Session() as sess:
pred = sess.run(prediction, feed_dict={x: data})
pred = np.asarray(pred)
return pred
if __name__ == '__main__':
result=[]
Load= start_network()
for i in data:
result.append(use_neural_network(i,Load))
通常，您想要实现的目标很容易实现，并且您走在正确的轨道上。在主块中，你有start_network()而不是load_network()在你的第一行。我还建议不要将其Load用作变量名，但这应该不是问题。此外，TensorFlow 会话（sess在您的代码中）应该是一个全局变量，或者您应该在主块或load_network()函数中初始化它，然后将其传递给use_neural_network()函数。当前写入sess两个函数中的两个变量的方式是本地的，因此引用不同的会话。
如果您想避免使用该neural_network_model( x )功能，即在开始时构建模型，您可能希望冻结模型并以这种方式加载它，同时嵌入架构。最容易遵循指南，就像这个。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句