我正在设计一个具有3个简单前馈神经网络的集成神经网络。现在我面临着一个问题,恢复这3个神经网络的测试目的。到目前为止,3个NN模型是由saver
函数创建和保存的。在
saver = tf.train.Saver()
saver.save(sess, save_path=get_save_path(i), global_step=1000)
我已经成功地将它们保存到“.checkpoint”、“.meta”、“.index”和“.data”文件中,如下所示。在
我试着用这个代码恢复它们:
^{pr2}$但它只恢复第三个NN network2
进行测试。由于算法只取1个模型(network2
),并且假设三个NNs模型在系综函数上是相同的,这影响了我的结果。在
仅供参考:
我理想的系综函数:
ensemble = (network0 + network1 + network2) / 3
实际结果:
ensemble = (network2 + network2 + network2) / 3
如何使TF一起恢复所有3个NN模型?在
我觉得你把事情搞混了。但让我先回答这个问题:
您需要在不同的作用域下多次创建模型。然后就可以平均这些变量。在
假设你通过
这里每个网络都有相同的图结构,只包含一个参数/权重名称“test”。在
然后您将需要多次创建相同的图,但在不同的变量范围下,例如
^{pr2}$现在,每个恢复程序都需要知道应该使用哪个范围或变量名映射。这可以通过
这会给你
一如预期。现在你可以对你的模型做任何你想做的事情。在
但这不是集合预测的工作原理!在系综模型中,通常只对预测进行平均化。因此,您可以使用不同的模型多次运行脚本,然后平均预测结果。在
如果您真的想平均模型的权重,可以考虑使用numpy将权重作为python dict进行转储。在
相关问题 更多 >
编程相关推荐