복원 된 TensorFlow 모델은 복원 할 때마다 예기치 않게 가중치를 변경합니다.

Question

TensorFlow 모델은 더 이상 모델을 교육하지 않고 체크 포인트 모델 파일이 변경되지 않아도 복원 할 때마다 다른 가중치를 반환합니다. 동일한 하드 코딩 된 입력으로 무작위적이고 신뢰할 수없는 예측을 얻으므로 문제가됩니다.

다음은 모든 가중치의 합계를 단순히 반환하는 코드의 간단한 버전입니다. 스크립트를 실행할 때마다 가중치가 변경됨을 나타내는 매번 변경됩니다.

import tensorflow as tf 
import numpy as np 

def weight_variable(shape): 
    initial = tf.truncated_normal(shape, stddev=0.1) 
    return tf.Variable(initial) 

def bias_variable(shape): 
    initial = tf.constant(0.1, shape=shape) 
    return tf.Variable(initial) 

x = tf.placeholder(tf.float32, shape=[None, 240, 320, 3]) 
y_ = tf.placeholder(tf.float32, shape=[None, 3]) 
x_shaped = tf.reshape(x, [-1, 240 * 320 * 3]) 

W1 = weight_variable([240 * 320 * 3, 32]) 
b1 = bias_variable([32]) 
h1 = tf.sigmoid(tf.matmul(x_shaped, W1) + b1) 

W2 = weight_variable([32, 3]) 
b2 = bias_variable([3]) 
y=tf.nn.softmax(tf.matmul(h1, W2) + b2) 

saver = tf.train.Saver() 
sess = tf.InteractiveSession(config=tf.ConfigProto()) 
saver.restore(sess, "/some/path/model.ckpt") 
sess.run(tf.initialize_all_variables()) 
weights = W1.eval(session=sess) 
print(np.sum(weights)) 

Answer 1

당신은saver.restore() 후 tf.initialize_all_variables()를 실행하고 있습니다. 즉, 검사 점에서 복원 한 값은 각 변수에 대한 새로운 초기 값으로 겹쳐 쓰여집니다. 행 tf.initialize_all_variables()을 삭제하면 문제가 해결됩니다.