最近写了个CNN文本分类的程序,仿照scikit-learn的方式进行封装,代码的形式如下:
class TextCNN(object):
def __init__(self):
pass
def fit(self,data):
pass
def load_model(self):
pass
def predict()
问题: 模型自动加载。
在进行model.fit训练完后,tf.Session()会自动关闭,若再运行predict时 需要声明session 再进行模型的加载, 因为是用类的形式书写,所以模型图文件已经保存到了相应的类实体中,在此处仅需要用到模型的参数加载。因为查询了很多方法发现大家都是在加载模型的时候或者加载图的时候,会指定图的名字,或者指定模型文件的名字,但作者想经过设定后,让模型自动识别加载最新的图和加载最新的训练参数。
本文主要参考如下博主文章:较为详细讲解
模型主要加载方式主要使用了一个函数:
ckpt = tf.train.get_checkpoint_state("./models") # 确定最新的参数文件
print(ckpt.model_checkpoint_path)
结果:C:\Users\HP\Desktop\TextCNN\models\model-1500
此处选用此代码段是因为我的模型在保存是时候是保存在了”./models”目录下,代码如下:
save_path = os.path.abspath(os.path.join(os.path.curdir, 'models'))
if not os.path.exists(save_path):
os.makedirs(save_path)
self.saver.save(sess, os.path.join(save_path, 'model'), global_step = iterations)
在获取模型的路径后直接调用tensorflow的restore函数便可进行模型的重启:
self.session = tf.Session()
self.saver.restore(self.session, ckpt.model_checkpoint_path)
详细的模型重启函数声明如下:
此函数中start_path 如声明则调用start_path的模型,若不声明则默认调用最新模型
def load_model(self,start_path=None):
if start_path == None:
start_path = os.path.abspath(os.path.join(os.path.curdir,'models'))
print('default start_path is',start_path)
ckpt = tf.train.get_checkpoint_state('./models')
print('This is out checking of ckpt:',ckpt.model_checkpoint_path)
self.session = tf.Session()
self.saver.restore(self.session, ckpt.model_checkpoint_path)
print('Restored from {} completed'.format(ckpt.model_checkpoint_path))
else:
self.session = tf.Session()
self.saver.restore(self.session,start_path)
print('Restored from {} completed'.format(start_path))