9. 载入训练好的模型参数并用于测试集

最新推荐文章于 2024-04-15 10:10:16 发布
原创 最新推荐文章于 2024-04-15 10:10:16 发布 · 829 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#载入训练好的模型参数并用于测试集 #tf.train.saver #saver.restore #载入已经训练好的模型参数(权值矩阵、偏置值) #ckpt后缀

本文档介绍了如何使用TensorFlow的tf.train.Saver模块来保存和恢复训练好的模型参数，以便在测试集上进行预测。首先，通过调用Saver对象的save方法将模型权重和偏置保存为.ckpt文件。接着，在后续的测试阶段，通过saver.restore方法恢复这些参数，从而继续使用已训练的模型进行推断。

保存模型

saver = tf.train.Saver()

with tf.Session() as sess:
 	sess.run(init)
 	for epoch in range(21):
 		.
最低0.47元/天 解锁文章
【图像超分】论文复现：新手入门！Pytorch实现SRCNN，数据预处理、模型训练、测试、评估全流程详解，注释详细，简单修改就可以训练你自己的图像数据，有训练好的模型下载地址，随取随用
热门推荐
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
03-11 2万+
【图像超分】论文精读：Image Super-Resolution Using Deep Convolutional Networks（SRCNN）请配合上述论文精读文章使用，效果更佳！图像超分辨率SRCNN和FSRCNN复现代码，除基本的网络实现外，还有特征图可视化，PSNR曲线图可视化，测试自己的图像数据等不想理解原理，希望直接跑通然后应用到自己的图像数据的同学，请直接下载上面的代码，有训练好的模型，直接用即可。具体使用方式见代码中的README！有问题来本文评论区留言！准备数据集，以及数据预处理。
【图像超分】论文复现：新手入门必备！Pytorch实现SRGAN！手把手详细教程！代码注释详尽！可用于训练自己的数据集！实时验证模型性能！绘制PSNR曲线图！附训练好的各放大倍数的模型权重文件！
最新发布
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
04-15 6461
【图像超分】论文精读：SRResNet/SRGAN【图像超分】论文复现：万字长文！Pytorch实现SRResNet代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！请配合上述论文精读文章使用，效果更佳！与原论文描述不一样的实现部分，也即可以修改的部分数据集使用：论文中是ImageNet随机选35000张图像，本文是VOC2012数据集16700张图像。数据集预处理：裁剪大小不同，论文是96×96，本文是88×88。
用训练好的模型测试训练集每张图片的loss
weixin_44748238的博客
11-14 1669
用训练好的模型测试训练集每张图片的loss 所用模型为vgg 11-6.pth computeloss.py 经过统计loss分布如下： loss区间 个数 >10 0 1-10 1192 0.5-1 808 0.4-0.5 282 0.3-0.4 416 0.2-0.3 722 0.1-0.2 1439 0.0-0.1 31046 =0 14...
分类任务7（完结）——载入模型并使用测试集进行测试
minopus的博客
05-21 2005
在这里值得一提的是，因为前面制作数据的时候使用了tf.one_hot，这个格式将数字标签变成one_hot索引，因此在最后获取真实标签的时候，应该用argmax函数。我在实验的时候发现如果直接对test_label使用tf.argmax，耗费的时间太大。后面导出找博客论坛，看到有人建议用np.argmax，我就把test_label先tolist保存，然后再在列表里用for循环承接np.argmax，速度一下子就提了上去。 ps: seaborn画混淆矩阵真的太方便了!!! 代码直接贴上来了： from u
python训练模型测试模型_如何根据训练后的模型使用测试数据？
weixin_39864453的博客
11-24 2325
train_test_split()旨在获取数据集并将其分成两个块，即训练集和测试集。在您的例子中，您已经将数据分成两个块，分别放在单独的csv文件中。然后，您将获取列车数据并将其再次拆分为train和{}，这是验证的缩写（本质上是测试或验证数据）。在您可能需要对完整的训练数据集执行model.fit，然后再次调用model.predict测试集。不需要调用train_test_split()。在...
python训练模型测试模型_Tensorflow实现在训练好的模型上进行测试
weixin_39906130的博客
11-20 681
Tensorflow可以使用训练好的模型对新的数据进行测试，有两种方法：第一种方法是调用模型和训练在同一个py文件中，中情况比较简单；第二种是训练过程和调用模型过程分别在两个py文件中。本文将讲解第二种方法。模型的保存tensorflow提供可保存训练模型的接口，使用起来也不是很难，直接上代码讲解：?1234567891011121314151617#网络结构w1= tf.Variable(tf....
Detectron：用自己训练好的模型进行测试
地理信息系统、摄影测量与遥感、人工智能
06-30 1万+
上篇文章提到了把自己的数据标注格式转换为Detectron需要的COCO格式：Detectron：训练自己的数据集——将自己的数据格式转换成COCO格式趁今天在测试，还是热乎乎的，感觉来记录一下~~主要使用一下命令：python2 tools/test_net.py \ --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_...
pytorch 获取模型参数_[日常] PyTorch 预训练模型，保存，读取和更新模型参数以及多 GPU 训练模型...
weixin_39610759的博客
12-21 395
本文用于记录如何进行 PyTorch 所提供的预训练模型应如何加载，所训练模型的参数应如何保存与读取，如何冻结模型部分参数以方便进行 fine-tuning 以及如何利用多 GPU 训练模型。(各位收藏的时候, 麻烦顺手点个赞同吧)目录PyTorch 预训练模型保存模型参数读取模型参数冻结部分模型参数，进行 fine-tuning模型训练与测试的设置利用 torch.nn.DataParallel...
使用sklearn.neural_network.MLPClassifier类实现手写数字图片识别。 MPLClassifier是一个有监督学习算法，MPL又称多层感知机，除了输入和输出层，中间可以有多个隐含层。 sklearn.externals.joblib.dump方法用于保存模型参数 sklearn.externals.joblib.load方法用于从文件种装载模型参数构造一个MLPClassifier对象 score方法用于估算正确率 训练数据：digits_training.csv 测试数据：digits_testing.csv 第1列是类别，其他列是特征属性。 1. 载入训练数据、分出特征属性和类别，对特征属性标准化，显示读入数据的行数 xTrain = trainData[:,1:NTrain] yTrain = trainData[:,0] 标准化函数 def normalizeData(X): return (X - X.mean())/X.max() 2. 构建多层感知机，训练模型 psolver='lbfgs', alpha=1e-5, hidden_layer_sizes=(48, 24) 3. 保存训练模型名字为“mlp_classifier_model1.m” 4. 载入测试数据，分出特征属性和类别，对特征属性标准化，显示读入数据的行数 5. 使用模型对测试集进行预测，显示预测错误数据的数目和预测准确率
06-10
# 使用模型对测试集进行预测 yPred = mlp.predict(xTest) # 统计预测错误的数据数目和准确率 nErrors = (yPred != yTest).sum() accuracy = 1 - nErrors / len(yTest) print('预测错误的数据数目：', nErrors) ...
YOLOV4用训练好的模型实现在测试集上批量画框
a_1234567890_的博客
03-18 676
很多现存的YOLOV4开源代码是使用单张图片进行测试，下面这个程序可以根据训练好的模型实现对测试集进行批量画框，简单方便。 import os import numpy as np import copy import colorsys import time from timeit import default_timer as timer from keras import backend as K from keras.models import load_model from keras.layer
迁移学习，载入自己数据训练好的模型并测试
子小程
04-03 1857
vgg16的载入自己训练模型测试代码如下，resnet以及inceptionV可以替换掉vgg import numpy as np from keras.applications.imagenet_utils import decode_predictions from keras.preprocessing import image from keras.applications.vgg...
TensorFlow学习笔记(六) tensorflow 中的保存训练的参数以及载入参数检测test集
像风一样
04-01 1191
如何保存训练好的参数以前面练习的一个小例子，来保存训练好的参数：请参考点击打开链接import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data from tensorflow import float32 #载入数据，会自动通过一个脚本下载好数据集 mnist = input_data.rea...
使用TensorFlow训练深度学习模型实战（下）
csdn1561168266的博客
07-26 1958
GlobalAveragePooling2D层，使用基本模型的最后一个卷积层的输出，计算每个特征映射的平均值，从而得到一个固定长度的向量，总结了特征映射中的空间信息。函数将图像转换为新的RGB图像，通过将单个灰度通道复制到新的RGB图像的所有三个通道中，从而将原始形状（224，224，1）调整为（224，224，3）的形状。在上面的示例中，我们通过添加一个额外的维度来代表批次大小，从而将输入图像从（28，28，1）调整为（1，28，28，1）。此层表示模型的输出层，神经元的数量对应于分类任务中的类别数目。
导入训练好的模型，Pytorch
qq_42987423的博客
04-13 2624
import cv2 import torch import torchvision from torchvision import datasets from torchvision import transforms from torch.autograd import Variable import torch.nn as nn transform = transforms.Compose...
使用训练好的模型参数
月夜的博客
11-25 1386
训练好的模型参数可以使用.npy形式储存与读取，具体细节参考VGG-16的程序 命名好卷积层，每一个卷积层list中含有两个成分（权重和偏置） 读取：data_dict = loadWeightsData('./tensorflow_vgg/vgg16.npy') def loadWeightsData(vgg16_npy_path=None): if vgg16_npy_path is ...
SQLLOADER 9 载入每行的行号
cnk45946的博客
08-06 271
一 描述此档是sqlloader学习的第9篇.在载入数据之时将数据行号一并载入数据库.(源flat数据文件中并未有行号列)二 操作环境OS infowindows server 2003 32bitDB info连接到:Orac...
Pytorch中保存模型，并在测试集上训练前加载模型。
狗狗狗大王的博客
06-20 2568
1
Tensorflow-saver模型参数保存及载入
愿你远行千里，归来仍是少年
05-30 1639
深度学习框架Tensorflow学习与应用实战 1.训练模型参数(权值矩阵、偏置值)并保存到指定文件夹下 #保存训练好的模型参数(权重矩阵、偏置值等)到指定文件夹中 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集,one_hot:将标签转换为只有一位为1，其它...
tensorflow 训练模型的保存 与 读取已保存的模型进行测试
Muzi_Water的博客
08-23 3130
在实际中，通常需要将经过大量训练的较好模型参数保存起来，在实际应用以训练好的模型进行预测。 TensorFlow中提供了模型保存的模块 tensorflow.train.Saver() 1. 导入tensorflow模块                   import tensorflow as tf 2. 创建模型保存的Saver对象      saver = tf.train.Sa...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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