Как сделать прогнозирование с использованием сохраненной модели, которая обучается с помощью Estimator и Dataset API?

Question

Я натренировал модель cnn используя tf.estimator а также tf.data.TFRecordDataset, которые определяют модель в model_fn Функция и вклад в input_fn функция. Также используется одноразовый итератор для получения одного пакета за раз.

Теперь я обучил файлы моделей (ckpt, meta, index) в каталоге. Я хочу предсказать метку изображения на основе обученной модели без повторного обучения и оценки. Изображение может быть массивом numpy, но не может быть файлом TFRecords (который используется при отслеживании).

Я не могу найти эффективное решение после попытки весь день. Я могу только получить значение весов и смещений и не знаю, как сделать мое прогнозируемое изображение и модель совместимыми.

К вашему сведению, мой тренировочный код здесь.

Аналогичный вопрос - Предсказание от модели, сохраненной с tf.estimator.Estimator в Tensorflow, но нет принятого ответа, и моя модель ввода использует набор данных API.

Так что на самом деле нужна помощь. Благодарю.

Answer 1

Я ответил на аналогичный вопрос здесь.

Чтобы делать прогнозы с помощью пользовательского ввода, вам нужно использовать встроенный predict Метод оценки:

estimator = tf.estimator.Estimator(model_fn, ...)

predict_input_fn = ...  # define this using tf.data

predict_results = estimator.predict(predict_input_fn)
for idx, prediction in enumerate(predict_results):
    print(idx)
    for key in prediction:
        print("...{}: {}".format(key, prediction[key]))