回答編集履歴
4
実装コード追加
answer
CHANGED
|
@@ -18,4 +18,96 @@
|
|
|
18
18
|
print(ckpt)
|
|
19
19
|
|
|
20
20
|
saver.restore(sess,model_path)
|
|
21
|
+
```
|
|
22
|
+
|
|
23
|
+
---
|
|
24
|
+
**2018-01-04 16:55 追記**
|
|
25
|
+
|
|
26
|
+
書き替えを適用するとこんな感じです。
|
|
27
|
+
確認のため学習を10STEPくらいで止めたものを保存しました。
|
|
28
|
+
結果、Accuracyは0.90弱でしたが、ロード後（以下のコードです）で学習を飛ばして判定させても結果は0.90弱になりました。
|
|
29
|
+
|
|
30
|
+
ロード後のイメージ写真を貼りますね。
|
|
31
|
+
|
|
32
|
+
|
|
33
|
+
```Python
|
|
34
|
+
# coding: UTF-8
|
|
35
|
+
import tensorflow as tf
|
|
36
|
+
from tensorflow.examples.tutorials.mnist import input_data
|
|
37
|
+
|
|
38
|
+
# データ読み込み
|
|
39
|
+
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
|
|
40
|
+
|
|
41
|
+
# placeholder用意 xは学習用画像
|
|
42
|
+
x = tf.placeholder(tf.float32, [None, 784])
|
|
43
|
+
# ｙ_は学習用ラベル
|
|
44
|
+
y_ = tf.placeholder(tf.float32, [None, 10])
|
|
45
|
+
|
|
46
|
+
# weightとbias
|
|
47
|
+
# さっきの例ではw * xだったけど、今回はw * x + b
|
|
48
|
+
W = tf.Variable(tf.zeros([784, 10]),name='W')
|
|
49
|
+
b = tf.Variable(tf.zeros([10]),name='b')
|
|
50
|
+
|
|
51
|
+
# Softmax Regressionを使う yはモデル
|
|
52
|
+
y = tf.nn.softmax(tf.matmul(x, W) + b)
|
|
53
|
+
|
|
54
|
+
# 交差エントロピー
|
|
55
|
+
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))
|
|
56
|
+
|
|
57
|
+
# 先ほど使ったGradientDescentOptimizerで、今回はcross_entropyを利用
|
|
58
|
+
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
|
|
59
|
+
|
|
60
|
+
|
|
61
|
+
# 初期化に関するコードの書き換え
|
|
62
|
+
# -------------------------------------------
|
|
63
|
+
|
|
64
|
+
# model_path = './model/model.ckpt'
|
|
65
|
+
# # 初期化
|
|
66
|
+
#init = tf.global_variables_initializer()
|
|
67
|
+
#sess = tf.Session()
|
|
68
|
+
#sess.run(init)
|
|
69
|
+
|
|
70
|
+
model_path = './model/model.ckpt'
|
|
71
|
+
# 初期化
|
|
72
|
+
init = tf.global_variables_initializer()
|
|
73
|
+
sess = tf.Session()
|
|
74
|
+
saver = tf.train.Saver()
|
|
75
|
+
saver.restore(sess,model_path)
|
|
76
|
+
sess.run(init)
|
|
77
|
+
# -------------------------------------------
|
|
78
|
+
|
|
79
|
+
|
|
80
|
+
# データ読み込み確認のため学習はコメントアウト
|
|
81
|
+
# -------------------------------------------
|
|
82
|
+
# 学習
|
|
83
|
+
#for i in range(1000):
|
|
84
|
+
# print(i)
|
|
85
|
+
# batch_xs, batch_ys = mnist.train.next_batch(100)
|
|
86
|
+
# sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
|
|
87
|
+
# if i == 99:
|
|
88
|
+
# saver = tf.train.Saver()
|
|
89
|
+
# saver.save(sess,model_path)
|
|
90
|
+
# print("model saved" + model_path)
|
|
91
|
+
# print(sess.run(W))
|
|
92
|
+
# print(sess.run(b))
|
|
93
|
+
# -------------------------------------------
|
|
94
|
+
|
|
95
|
+
# テストデータで予測
|
|
96
|
+
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
|
|
97
|
+
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
|
|
98
|
+
acc = sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})
|
|
99
|
+
print('accuracy : '+str(acc));
|
|
100
|
+
sess.close()
|
|
101
|
+
|
|
102
|
+
sess = tf.InteractiveSession()
|
|
103
|
+
init = tf.global_variables_initializer()
|
|
104
|
+
sess.run(init)
|
|
105
|
+
|
|
106
|
+
saver.restore(sess,model_path)
|
|
107
|
+
print(sess.run(W))
|
|
108
|
+
print(sess.run(b))
|
|
109
|
+
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
|
|
110
|
+
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
|
|
111
|
+
acc = sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})
|
|
112
|
+
print('accuracy : '+str(acc))
|
|
21
113
|
```
|
3
answer
CHANGED
|
@@ -14,5 +14,8 @@
|
|
|
14
14
|
saver = tf.train.Saver()
|
|
15
15
|
model_path = './model/model.ckpt'
|
|
16
16
|
|
|
17
|
+
ckpt = tf.train.get_checkpoint_state('./model/')
|
|
18
|
+
print(ckpt)
|
|
19
|
+
|
|
17
20
|
saver.restore(sess,model_path)
|
|
18
21
|
```
|
2
answer
CHANGED
|
@@ -7,9 +7,12 @@
|
|
|
7
7
|
|[**セッション**](https://www.tensorflow.org/api_docs/python/tf/train/Saver)|`saver.save(...)`|`saver.restore`|
|
|
8
8
|
|[メタグラフ](https://www.tensorflow.org/api_guides/python/meta_graph)|`export_meta_graph`|`import_meta_graph`|
|
|
9
9
|
|
|
10
|
-
問題はセッションの復旧だと思いますので、以下のようにしてはいかがでしょうか？
|
|
10
|
+
問題はセッションの復旧だと思いますので、以下のようにして、メタグラフのコードをバッサリ削ってはいかがでしょうか？
|
|
11
11
|
|
|
12
12
|
```Python
|
|
13
|
+
# saver = tf.train.import_meta_graph('./model/model.ckpt.meta')
|
|
13
14
|
saver = tf.train.Saver()
|
|
15
|
+
model_path = './model/model.ckpt'
|
|
16
|
+
|
|
14
17
|
saver.restore(sess,model_path)
|
|
15
18
|
```
|
1
answer
CHANGED
|
@@ -1,6 +1,14 @@
|
|
|
1
|
-
`saver = tf.train.import_meta_graph(...)`という書き方を初めて見ました。
|
|
1
|
+
`saver = tf.train.import_meta_graph(...)`という書き方を初めて見ました。
|
|
2
|
+
試していないのでいけませんが、ここが怪しい気がします。
|
|
2
3
|
|
|
4
|
+
気になって調べると、以下の関係がある事が分かります。
|
|
5
|
+
|操作対象|書き出し|読み出し|
|
|
6
|
+
|:--:|:--:|:--:|
|
|
7
|
+
|[**セッション**](https://www.tensorflow.org/api_docs/python/tf/train/Saver)|`saver.save(...)`|`saver.restore`|
|
|
8
|
+
|[メタグラフ](https://www.tensorflow.org/api_guides/python/meta_graph)|`export_meta_graph`|`import_meta_graph`|
|
|
9
|
+
|
|
3
|
-
|
|
10
|
+
問題はセッションの復旧だと思いますので、以下のようにしてはいかがでしょうか？
|
|
11
|
+
|
|
4
12
|
```Python
|
|
5
13
|
saver = tf.train.Saver()
|
|
6
14
|
saver.restore(sess,model_path)
|