1. 準(zhǔn)備預(yù)訓(xùn)練好的模型

• TensorFlow 預(yù)訓(xùn)練好的模型被保存為以下四個(gè)文件

• data 文件是訓(xùn)練好的參數(shù)值，meta 文件是定義的神經(jīng)網(wǎng)絡(luò)圖，checkpoint 文件是所有模型的保存路徑，如下所示，為簡單起見只保留了一個(gè)模型。

model_checkpoint_path: "/home/senius/python/c_python/test/model-40" all_model_checkpoint_paths: "/home/senius/python/c_python/test/model-40" 復(fù)制代碼

2. 導(dǎo)入模型圖、參數(shù)值和相關(guān)變量

import tensorflow as tf import numpy as npsess = tf.Session() X = None # input yhat = None # outputdef load_model():"""Loading the pre-trained model and parameters."""global X, yhatmodelpath = r'/home/senius/python/c_python/test/'saver = tf.train.import_meta_graph(modelpath + 'model-40.meta')saver.restore(sess, tf.train.latest_checkpoint(modelpath))graph = tf.get_default_graph()X = graph.get_tensor_by_name("X:0")yhat = graph.get_tensor_by_name("tanh:0")print('Successfully load the pre-trained model!')復(fù)制代碼

• 通過 saver.restore 我們可以得到預(yù)訓(xùn)練的所有參數(shù)值，然后再通過 graph.get_tensor_by_name 得到模型的輸入張量和我們想要的輸出張量。

3. 運(yùn)行前向傳播過程得到預(yù)測值

def predict(txtdata):"""Convert data to Numpy array which has a shape of (-1, 41, 41, 41 3).Test a single example.Arg:txtdata: Array in C.Returns:Three coordinates of a face normal."""global X, yhatdata = np.array(txtdata)data = data.reshape(-1, 41, 41, 41, 3)output = sess.run(yhat, feed_dict={X: data}) # (-1, 3)output = output.reshape(-1, 1)ret = output.tolist()return ret復(fù)制代碼

• 通過 feed_dict 喂入測試數(shù)據(jù)，然后 run 輸出的張量我們就可以得到預(yù)測值。

4. 測試

load_model() testdata = np.fromfile('/home/senius/python/c_python/test/04t30t00.npy', dtype=np.float32) testdata = testdata.reshape(-1, 41, 41, 41, 3) # (150, 41, 41, 41, 3) testdata = testdata[0:2, ...] # the first two examples txtdata = testdata.tolist() output = predict(txtdata) print(output) # [[-0.13345889747142792], [0.5858198404312134], [-0.7211828231811523], # [-0.03778800368309021], [0.9978875517845154], [0.06522832065820694]] 復(fù)制代碼

• 本例輸入是一個(gè)三維網(wǎng)格模型處理后的 [41, 41, 41, 3] 的數(shù)據(jù)，輸出一個(gè)表面法向量坐標(biāo) (x, y, z)。

獲取更多精彩，請(qǐng)關(guān)注「seniusen」!

總結(jié)

以上是生活随笔為你收集整理的TensorFlow 调用预训练好的模型—— Python 实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。