如何从文件中导入(恢复)由tflearn构建的神经网络模型

Question

我指的是这个关于文本分类的教程，并为文本分类构建了一个自定义训练集。

我正在使用以下代码保存模型。

# Define model and setup tensorboard
model = tflearn.DNN(net, tensorboard_dir='tflearn_logs')
# Start training (apply gradient descent algorithm)
model.fit(train_x, train_y, n_epoch=1000, batch_size=8, show_metric=True)
model.save('model.tflearn')

这将生成以下文件。

model.tflearn.data-00000-of-00001
model.tflearn.index
model.tflearn.meta
tflearn_logs folder

我想使用在不同迭代中构建的模型进行测试。

我试过了

with tf.Session() as sess:
saver = tf.train.import_meta_graph('model.tflearn.meta')
saver.restore(sess, tf.train.latest_checkpoint('./'))

但我得到;

KeyError："名称'adam'是指不在图形中的操作。

我从文档中知道tflearn.DNN(network).load('file_name')加载模型，但我们需要创建并传递网络实例，要构建网络，我们再次从头开始执行相同的代码，这需要时间，因为它会进行我想避免的训练。

建网规范

net = tflearn.input_data(shape=[None, len(train_x[0])])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, len(train_y[0]), activation='softmax')
net = tflearn.regression(net)

tflearn.input_data有形状输入作为强制性的，所以我们再次需要再次输入训练数据。因此，它会导致重建模型。 我检查了文档，找不到我需要的东西(2-3行代码，可以导入构建神经网络模型以节省重新训练时间。

如果你们知道解决方案，请告诉我。

类似的问题，但它不是重复的

• OP在构建树期间构建神经网络时遇到问题，而我在导入构建模型时遇到问题。
• 答案中提到的教程没有tflearn NN模型导入

Answer 1

我能够使用以下代码恢复保存的模型。

tflearn可以从保存的日志和模型文件中恢复模型。

创建与保存的模型大小相同的虚拟神经网络

注意：您可能需要跟踪以前保存的模型权重(输入训练的大小和相应的类)

net = tflearn.input_data(shape=[None, train_x[0]])
net = tflearn.fully_connected(net, 8, restore=False)
net = tflearn.fully_connected(net, 8, restore=False)
net = tflearn.fully_connected(net, train_y[0], activation='softmax', restore=False)
dnn = tflearn.DNN(net, tensorboard_dir='tflearn_logs')

将保存的模型加载到 DNN

model = dnn.load('./model.tflearn')

使用加载的模型进行预测

test_data = ###converted data 
model.predict(test_data)