机器学习 – 如何使用Tensorflow推理模型生成像图像一样的深度梦

我正在使用自定义图像集来使用Tensorflow API训练神经网络.在成功的训练过程之后,我得到这些检查点文件,其中包含不同训练var的值.我现在想从这些检查点文件中获得一个推理模型,我发现这个 script可以做到这一点,然后我可以使用它来生成深度图像,如本教程中所述.问题是当我使用以下方式加载模型时：

import tensorflow as tf
model_fn = 'export'

graph = tf.Graph()
sess = tf.InteractiveSession(graph=graph)
with tf.gfile.FastGFile(model_fn, 'rb') as f:
  graph_def = tf.GraphDef()
  graph_def.ParseFromString(f.read())
t_input = tf.placeholder(np.float32, name='input')
imagenet_mean = 117.0
t_preprocessed = tf.expand_dims(t_input-imagenet_mean, 0)
tf.import_graph_def(graph_def, {'input':t_preprocessed})

我收到此错误：

graph_def.ParseFromString(f.read())

self.MergeFromString(serialized)

raise message_mod.DecodeError(‘Unexpected end-group tag.’)
google.protobuf.message.DecodeError: Unexpected end-group tag.

该脚本需要一个协议缓冲区文件,我不确定我用于生成推理模型的script是否给了我原型缓冲区文件.

有人可以建议我做错了什么,或者有更好的方法来实现这一目标.我只想将张量生成的检查点文件转换为proto缓冲区.

谢谢

您运行的脚本的链接已损坏,但无论如何建议不要尝试从检查点生成推理模型,而是在训练程序结束时嵌入代码,这将导致“SavedModel”导出(这与检查点不同).

请参见[1],特别是标题“建立已保存的模型”.请注意,保存模型构成多个文件,其中一个文件确实是一个协议缓冲区(它直接回答了我希望的问题);其他是可变文件和(可选)资产文件.

[1] https://www.tensorflow.org/programmers_guide/saved_model