Я изучал Google wide and deep model в тензорном потоке.В тензорном потоке, когда я использую DNNLinearClassifier [wide_n_deep_tutorial.py], как восстановить модель истории, обученную и обучать базу на ней
Мой код изменен на основе tf example.
Мой вопрос:
Как загрузить историю модели, и поезд нового образца на его основе. Я искал много в Интернете, но большинство методов похожи на следующий код.
Примеры заставки
v1 = tf.Variable(..., name="v1") v2 = tf.Variable(..., name="v2") ... init_op = tf.initialize_all_variables() saver = tf.train.Saver() with tf.Session() as sess: sess.run(init_op) .. save_path = saver.save(sess, "/tmp/model.ckpt")
Но в
wide_n_deep
поезде, это определить метод "build_estimator", который возвращает:m = tf.contrib.learn.DNNLinearCombinedClassifier
.Когда я использую метод выше, чтобы определить сберегатель, он дал ошибку, чтобы не сохранять Varibles. И возвращенный «m» не имеет метода сохранения, восстановления.
Я также попробовал
model.load
вtflearn
, но это также не работает.Второе связано с выше, как сохранить модель. Или как использовать модель, которую метод подгонки сохранен в/tmp /. (Контрольная точка)
Мой вопрос можно резюмировать следующим образом:
Как сохранить модель и восстановить историю модели, когда я использую DNNLinearCombinedClassifier
в tensorflow?
Спасибо за ваш комментарий! Разве это не пара модели_dir, чтобы сохранить модель, которую создает этот поезд? Или каталог для загрузки и модель для сохранения модели могут быть одинаковыми? Если ответ «да», и загрузка автоматически загружает последнюю модель? Еще раз спасибо. – Cow
Dir может использоваться как для загрузки контрольной точки модели перед обучением, так и для сохранения контрольных точек модели после определенных этапов. – yuefengz
Большое спасибо. – Cow