öffnen tensorflow Grafik aus Datei

Ich versuche, tensorflow für Studium und ich don ' T undestand, wie Sie zu öffnen und verwenden Sie die gespeicherten früh in die Datei my-graph mit Typ tf.Graph. So etwas wie dieses:

import tensorflow as tf

my_graph = tf.Graph()

with g.as_default():
    x = tf.Variable(0)
    b = tf.constant(-5)
    k = tf.constant(2)

    y = k*x + b

tf.train.write_graph(my_graph, '.', 'graph.pbtxt')

f = open('graph.pbtxt', "r")

# Do something with "f" to get my saved graph and use it below in
# tf.Session(graph=...) instead of dots

with tf.Session(graph=...) as sess:
    tf.initialize_all_variables().run()

    y1 = sess.run(y, feed_dict={x: 5})
    y2 = sess.run(y, feed_dict={x: 10})
    print(y1, y2)
Ich war auf der Suche für diese. Und dieser link hat mir geholfen github.com/irfansharif/tensorflow/blob/master/converter.py im Grunde haben wir die Verwendung text_format.Zusammenführen von google protobuf-Paket zu konvertieren pbtxt-Datei, um eine Datei graphdef
Hier ist das ausführliche Beispiel mit der neuesten tensorflow version 1.7 stackoverflow.com/a/52222383/5904928

InformationsquelleAutor Sergey | 2016-10-28

  1. 2

    Müssen Sie zum laden der Datei-Inhalt, analysiert ihn, um GraphDef und dann importieren.
    Es wird importiert und in das aktuelle Diagramm. Möchten Sie möglicherweise wickeln Sie es mit graph.as_default(): Kontext-manager.

    import tensorflow as tf
from tensorflow.core.framework import graph_pb2 as gpb
from google.protobuf import text_format as pbtf

gdef = gpb.GraphDef()

with open('my-graph.pbtxt', 'r') as fh:
    graph_str = fh.read()

pbtf.Parse(graph_str, gdef)

tf.import_graph_def(gdef)
    ParseFromString nimmt eine binäre Datei pro Beschreibung hier, speziell: "Die API selbst kann ein wenig verwirrend - ist die binäre call ist eigentlich ParseFromString(), während Sie ein Dienstprogramm-Funktion aus der text_format-Modul zu laden textuelle Dateien."
    Ich verpasst, dass die Datei im text-format. Danke!

    InformationsquelleAutor dm0_

  2. 0

    Einer option: nehmen Sie einen Blick auf die Tensorflow MetaGraph save/restore-Unterstützung, hier dokumentiert: https://www.tensorflow.org/versions/r0.11/how_tos/meta_graph/index.html

    InformationsquelleAutor Peter Hawkins

  3. 0

    Ich löste dieses problem so: ich habe zuerst Namen erforderlich, die Berechnung in meinem Diagramm "output", und speichern Sie dieses Modell in code unten...

    import tensorflow as tf

x = tf.placeholder(dtype=tf.float64, shape=[], name="input")
a = tf.Variable(111, name="var1", dtype=tf.float64)
b = tf.Variable(-666, name="var2", dtype=tf.float64)

y = tf.add(x, a, name="output")

saver = tf.train.Saver()

with tf.Session() as sess:
    tf.initialize_all_variables().run()

    print(sess.run(y, feed_dict={x: 555}))

    save_path = saver.save(sess, "model.ckpt", meta_graph_suffix='meta', write_meta_graph=True)
    print("Model saved in file: %s" % save_path)

    Zweitens brauche ich zum ausführen bestimmter Vorgang in der Grafik, die ich kenne, mit Namen "output". Also habe ich Sie einfach wiederherstellen Modell in einem anderen code, und führen Sie meine wiederhergestellten Berechnung durch Ergreifung von Graphen-Teile mit den Namen "input" und "output" :

    import tensorflow as tf

# Restore graph to another graph (and make it default graph) and variables
graph = tf.Graph()
with graph.as_default():
    saver = tf.train.import_meta_graph("model.ckpt.meta")

    y = graph.get_tensor_by_name("output:0")
    x = graph.get_tensor_by_name("input:0")

    with tf.Session() as sess:

        saver.restore(sess, "model.ckpt")

        print(sess.run(y, feed_dict={x: 888}))

        # Variable out:
        for var in tf.all_variables():
            print("%s %.2f" % (var.name, var.eval()))

    InformationsquelleAutor Sergey

Schreibe einen Kommentar