如何使用Saver对象在TensorFlow中保存变量字典？

我在TensorFlow中构建了一个简单的4层神经网络（2个隐藏层）。我没有使用由TensorFlow提供的内置NN，而是实现了我自己的基本版本。现在，为了保持W（权重）和B（偏见）张量的在一个地方，我建立了这些变量这样的字典：如何使用Saver对象在TensorFlow中保存变量字典？

weights = { 
    'h1': tf.Variable(tf.random_normal([n_input, n_hidden_1])), 
    'h2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])), 
    'out': tf.Variable(tf.random_normal([n_hidden_2, n_classes])) 
} 
biases = { 
    'b1': tf.Variable(tf.random_normal([n_hidden_1])), 
    'b2': tf.Variable(tf.random_normal([n_hidden_2])), 
    'out': tf.Variable(tf.random_normal([n_classes])) 
}

后，我学会了这些参数，我想用节电器对象来拯救他们。我试过这个：

saver = tf.train.Saver([weights,biases]) 
save_path = saver.save(sess,"./data/model.ckpt")

但是我没有成功这样做。看到的错误是：现在

TypeError: unhashable type: 'dict'

，一个解决方案是将所有的变量分离：H1，H2，出，B1，B2，bias_out（出偏差字典）为单个变量，并将其保存，但这似乎是一个天真的方法。如果我后来有更多的变量需要杵在一起，我想保持这样，它更干净，更易于管理。如何将分组变量保存在一起？

来源

2016-09-28 arshellium

Tensorflow Saver不接受字典列表。也许你应该尝试merge your dictionaries first：

parameters = weights.copy() 
parameters.update(bias)

或（与Python 3.5）

parameters = {**weights,**bias}

而在这之后：

saver = tf.train.Saver(parameters) 
save_path = saver.save(sess,"./data/model.ckpt")

另一个解决方法：

saver = tf.train.Saver({name:variable for name,variable in weights.items()+bias.items()}) 
save_path = saver.save(sess,"./data/model.ckpt")

的最后的解决方案可能有一些概率lem，就像“out”一样是权重和偏差的关键，所以似乎只有一个[“out”：variable]将被保存。

来源

2016-09-28 09:00:37 Corentin

这是我验证它的方法：使用'python inspect_checkpoint.py --file_name =“path/to/model/file”'。输出如下：（type_of_var1）[shape] 例如。 h1（DT_FLOAT）[784,256] – arshellium

最后我用了这个虽然是正确的语法。 saver = tf.train.Saver（{** weights，** biasses}） Thanks @corentin – arshellium

如何使用Saver对象在TensorFlow中保存变量字典？

回答

相关问题