Tensorflow 同时载入多个模型的实例讲解
2018-09-26 20:02
有时我们希望在一个python的文件空间同时载入多个模型,例如 我们建立了10个CNN模型,然后我们又写了一个预测类Predict,这个类会从已经保存好的模型restore恢复相应的图结构以及模型参数。然后我们会创建10个Predict的对象Instance,每个Instance负责一个模型的预测。
Predict的核心为:
class Predict: def __init__(self....): 创建sess 创建恢复器tf.train.Saver 从恢复点恢复参数:tf.train.Saver.restore(...) def predict(self,...): sess.run(output,feed_dict={输入})
如果我们直接轮流生成10个不同的Predict 对象的话,我们发现tensorflow是会报类似于下面的错误:
关键就是:
Assign requires shapes of both tensors to match.意思是载入模型的时候 赋值失败。主要是因为不同对象里面的不同sess使用了同一进程空间下的相同的默认图graph。
正确的解决方法:
class Predict: def __init__(self....): self.graph=tf.Graph()#为每个类(实例)单独创建一个graph with self.graph.as_default(): self.saver=tf.train.import_meta_graph(...)#创建恢复器 #注意!恢复器必须要在新创建的图里面生成,否则会出错。 self.sess=tf.Session(graph=self.graph)#创建新的sess with self.sess.as_default(): with self.graph.as_default(): self.saver.restore(self.sess,...)#从恢复点恢复参数 def predict(self,...): sess.run(output,feed_dict={输入})
以上这篇Tensorflow 同时载入多个模型的实例讲解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。