有许多方法可以保存模型及其权重。当我们可以阅读和比较它们的属性的方法如此之多，而不是任何来源时，这是令人困惑的。我知道的一些格式是：
与scikit学习不同，Keras不建议您使用泡菜
浏览 0提问于2020-04-09得票数 7
1回答
我用TensorFlow建立和训练了一些网络，并成功地保存和恢复了模型的参数。
但是，对于某些场景--例如在客户的基础结构中部署训练有素的网络--交付完整的代码/模型并不是最好的解决方案。因此，我想知道是否有任何方法来恢复/运行一个经过训练的网络，而不使用用于培训的原始代码/模型？
浏览 2提问于2016-05-05得票数 5
回答已采纳
1回答
在Java中用Keras加载经过训练的模型有什么要求？如果使用keras和tensorflow创建了一个模型，那么在Java ecosystem中加载它的最佳方法是什么？我尝试使用冻结的图形脚本来保存</
浏览 0提问于2018-11-17得票数 12
回答已采纳
和咖啡馆一样，互联网上也有一些经过预先训练的TensorFlow模型。然而，与TensorFlow不同的是，Caffe的模型总是伴随着一个指示网络结构和层名的.prototxt文件，而Caffe依赖Python代码来定义神经网络。同时，由于variable_scope的存在，对于TensorFlow中的变量，它的名称可能会很长。
浏览 2提问于2017-07-19得票数 2
我有一个具有相对复杂的计算图的模型，并打算在大量数据上对其进行训练。我如何保存训练好的模型，这样我就可以加载它的(结构+权重)，而不需要再次指定复杂的模型结构？我只想要一个单独的文件"trained_model“，我可以从任何其他tensorflow代码加载，而不需要知道内部结构是什么样子的<
浏览 33提问于2019-10-16得票数 0
深度学习已经成功地应用于几个大数据集，用于分类少数类(猫、狗、汽车、飞机等)，其性能优于更简单的描述符，如SIFT上的特征袋、颜色直方图等。
然而，培训这样一个网络需要大量的数据和大量的培训时间。然而，一个人往往没有足够的数据，或者只是想知道一个复杂的神经网络可能做得有多好，然后再花时间设计和训练这样的设备，收集训练数据。在这种特殊情况下，最好使用最先进的出版物使用的一些基准数据集来配置和<
浏览 10提问于2015-12-09得票数 23
回答已采纳
我知道我可以通过torch.save(model.state_dict(), FILE)或torch.save(model, FILE)保存一个模型。但它们都不能拯救模型的体系结构。那么，我们如何在PyTorch中保存模型的体系结构，比如在Tensorflow中创建一个.pb文件？我想对我的模型进行不同的调整。如果我不能保存<e
浏览 10提问于2020-01-05得票数 7
回答已采纳
这些文档激励这些模型如下：
因此，我从附带的中运行了扩展代码示例。它正确地运行并生成了accuracy: 0.833733，类似于Tensorflow网页上的accuracy: 0.83557522。该示例使用tf.estimator.LinearClassifier来训练权重。然而，与所引用的</em
浏览 5提问于2017-09-09得票数 2
回答已采纳
当我加载以前保存的经过训练的模型(在tensorflow.js中Node.js中)时，模型拓扑正在加载，但是没有加载任何权重(因此我必须从头开始训练模型)。不会抛出错误。为了保存模型，我使用： //misc. unrelated code goes here
await model.save('fi
浏览 7提问于2022-01-25得票数 0
回答已采纳
1回答
以下是我的版本：
我正在尝试使用TF对象检测，通过Python将Tf2.5中训练的模型转换为与tensorflow.js兼容的模型和。完整日志和</em
浏览 9提问于2021-07-16得票数 2
我得到了经过训练的"Deep MNIST Tutorial“NN，并且我知道如何使用TensorFlow Python API测试该模型。现在我想将分类器导出到C++，这样我就可以在没有TensorFlow API的情况下使用它。
我知道经过训练的模型拓扑、权重和激活函数。有没有这种实现的例子？我搜索了它，但发现如何在C++中创建和训练
浏览 3提问于2017-03-23得票数 0
1回答
我正在尝试在TensorFlow中导入盗梦空间TensorFlow。我想在读完本教程介绍对象检测之后再应用它。
浏览 0提问于2019-11-29得票数 1
回答已采纳
1回答
我在试着拯救丹索尔流模型________________________________________________________________2,628_________________________________________________________________提前谢谢。
浏览 9提问于2022-06-21得票数 0
我正在使用tensorflow进行深度学习。
我想在我自己的数据集中尝试迁移学习，我从tensorflow的网站下载了inceptionv3模型。我也找到了一个input_size，但是我发现模型input_size是299 * 299 *3。我想自己定义这个demo。因为Keras的初始v3模型可以自己定义input_size。
浏览 0提问于2018-05-07得票数 0
1回答
假设我们已经将模型保存为h5，那么我们可以使用keras的load_model函数加载模型。我已经浏览过多个github链接，其中作者提供了权重文件(.h5或.hdf5文件)。那么，我们可以使用这些预先训练的权重/模型使用load_model吗？
load_model和load_weights有什么区别？我是否可以使用load_model (keras)或应该使用(load_weight)加载权重文件。如果
浏览 14提问于2022-05-19得票数 -3
使用Tensorflow (特别是tf.contrib.slim)，我们需要校准一些参数来生成我们想要的张板图。现在，检查点用于保存模型本身，为什么在培训过程中应该需要？模型变了吗..不知道这是怎么回事
浏览 3提问于2017-01-22得票数 2
我在Ubuntu16.04中使用了带有Tensorflow 1.3.0的Keras2.0.8和cuDNN 6。我在我的模型中使用两个BatchNormalization层( keras层)，并使用tensorflow管道进行培训。我现在面临两个问题-
即使在将K.learning_phase设置为True之后，层的总体参数(均值和方差)也是在训练时没有被更新的。因此，推理完全失败了。我需要一些建议，如何更新这些参
浏览 1提问于2017-10-06得票数 2
是否有一种方法将经过训练的TensorFlow模型并将所有tf.Variables及其各自的权重(从运行中的tf.Session中或从检查点中)转换为具有该值的tf.constants，这样就可以在新的输入张量上运行模型，而无需初始化或恢复会话中的权重？那么，我基本上可以将一个经过训练的模型压缩成一个固定的、不
浏览 0提问于2018-08-27得票数 0
回答已采纳
我最近一直在学习TensorFlow Federated框架，但遇到了一个问题。我想在聚合之前查看发送到中央服务器的经过训练的客户端权重。iterative_process.next(state, federated_train_data)
print('round {:2d}, metrics={}'.format(round_num, metrics)) 状态变量保存中心模型的权重(通过聚合客户端权
浏览 13提问于2021-01-19得票数 1
云服务器
ICP备案
对象存储
腾讯会议
云直播
腾讯云开发者
