tensorlayer学习日志15_chapter5_5.4

在TensorLayer学习过程中,作者在5.4章节遇到加载npz文件的错误。原本的代码`tl.files.load_npz(name=model_file_name + '.npz')`无法正常工作,报错。通过一天的排查,发现问题出在5.3节,由于生成的npz文件名不正确。解决方案是使用`tl.files.load_npz(name='53model.npz')`,并确保在保存时使用`tl.files.save_npz(save_list=None, name='53model.npz', sess=sess)`,以符合`tl.files.load_npz`的规则,因为文件名需要以'params'开头。" 130507943,8021274,批量生成土地利用现状表:Python+ArcGIS实现,"['GIS', 'arcgis', 'python开发', '数据统计', '空间分析']
摘要由CSDN通过智能技术生成

本来还想开开心心地结束第五章,谁知5.4节遇上大坑了。。

import tensorflow as tf
import tensorlayer as tl
from stringclean import *
import numpy as np


vocabulary_size = 50000
embedding_size = 128

model_file_name = "model_word2vec_50k_128"
batch_size = None
_UNK = "_UNK"

sess = tf.InteractiveSession()

all_var = tl.files.load_npy_to_any(name=model_file_name + '.npy')
data = all_var['data']
count = all_var['count']
dictionary = all_var['dictionary']
reverse_dictionary = all_var['reverse_dictionary']

print("~~~~~~~Loading npy successfully~~~~~~~~~~~~")

tl.nlp.save_vocab(count, name='vocab_' + model_file_name + '.txt') 
del all_var, data, count 

# load_params= tl.files.load_npz(name=model_file_name + '.npz')
load_params= tl.files.load_npz(name='53model.npz')

print("~~~~~~~Loading npz successfully~~~~~~~~~~~~")

x = tf.placeholder(tf.int32, shape=[batch_size])


emb_net = tl.layers.EmbeddingInputlayer(inputs=x, vocabulary_size=vocabulary_size, embedding_size=embedding_size, name='embedding_layer')

tl.files.assign_params(sess, load_params, emb_net)

tl.layer
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
每天前100人再送5门编程课! AI+5门300元课程+社群闭门分享会源码开源下载:https://github.com/DjangoPeng/keras-101/tree/master/code_samples 【为什么学AI】 归功于近年来大规模数据和硬件计算能力的大幅度提升,人工智能的概念近两年一直是市场追捧的对象。目前各大厂都争先恐后地布局AI,落地各类AI的的商业应用,也随之打响了一场激烈的人才争夺战。长远来看,越快将 AI 用于自己的工作中就能越早体会到AI带来的收益。 【讲师介绍】 彭靖田 Google Developer Experts。 曾为 TensorFlow Top级 的贡献者,著书《深入理解TensorFlow》,是国内第一本深度剖析 Google AI 框架的畅销书。 曾从0到1深入参与了华为 2012 实验室深度学习平台和华为深度学习云服务的设计与研发工作。 【课程设计】 课程内容基于最新的Keras版本(你也可以使用 TensorFlow 2 的 tf.keras 模块),其中有大量独家解读、案例,以及不少讲师一线实战多年的方法论和深度思考。同时,在层次划分上,难易兼顾,循序渐进。既有核心的基础知识,也有高级的进阶操作,尽量做到“老少皆宜”。 课程分为基础篇、入门篇和实战篇: 一、基础篇: 主要讲解人工智能发展史和深度学习脱颖而出的原由,以及神经网络的基础概念、理论实现、优化原理和计算方法。 二、入门篇: 主攻快速上手,通过7个小节让你从0到1实现环境搭建、模型优化,直接试水2个实战项目。同时,增强AI的理论学习,系统掌握机器学习3大分支、模型评估方法、数据预处理常用手段与过拟合问题的解决方案。 三、实战篇: 通过4个实战全面掌握深度学习理论与实现,涵盖目标检测、图像分类、可视化和可解释性学习、迁移学习、特征提取、数据增强等。带你综合运用前面所学的所有知识,逐渐熟练AI开发流程与技能。 课程包含思维导图上的所有内容(价值199元)前500名立减100元,仅99元买完就能学!
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值