恢复保存的 TensorFlow 模型以在测试集上进行评估

我见过几个posts恢复时TF模型和Google文档页面位于导出图表但我想我错过了一些东西。

我使用这个中的代码Gist将模型与此 utils 文件一起保存到其中defines该模型

现在我想恢复它并在以前未见过的测试数据中运行，如下所示：

def evaluate(X_data, y_data):
    num_examples = len(X_data)
    total_accuracy = 0
    total_loss = 0
    sess = tf.get_default_session()
    acc_steps = len(X_data) // BATCH_SIZE
    for i in range(acc_steps):
        batch_x, batch_y = next_batch(X_val, Y_val, BATCH_SIZE)

        loss, accuracy = sess.run([loss_value, acc], feed_dict={
                images_placeholder: batch_x,
                labels_placeholder: batch_y,
                keep_prob: 0.5
                })
        total_accuracy += (accuracy * len(batch_x))
        total_loss += (loss * len(batch_x))
    return (total_accuracy / num_examples, total_loss / num_examples)

## re-execute the code that defines the model

# Image Tensor
images_placeholder = tf.placeholder(tf.float32, shape=[None, 32, 32, 3], name='x')

gray = tf.image.rgb_to_grayscale(images_placeholder, name='gray')

gray /= 255.

# Label Tensor
labels_placeholder = tf.placeholder(tf.float32, shape=(None, 43), name='y')

# dropout Tensor
keep_prob = tf.placeholder(tf.float32, name='drop')

# construct model
logits = inference(gray, keep_prob)

# calculate loss
loss_value = loss(logits, labels_placeholder)

# training
train_op = training(loss_value, 0.001)

# accuracy
acc = accuracy(logits, labels_placeholder)

with tf.Session() as sess:
    loader = tf.train.import_meta_graph('gtsd.meta')
    loader.restore(sess, tf.train.latest_checkpoint('./'))
    sess.run(tf.initialize_all_variables())   
    test_accuracy = evaluate(X_test, y_test)
    print("Test Accuracy = {:.3f}".format(test_accuracy[0]))

我得到的测试准确度仅为3%。但是，如果我在训练模型后不关闭笔记本并立即运行测试代码，我会得到一个95%准确性。

这让我相信我没有正确加载模型？

问题源于这两行：

loader.restore(sess, tf.train.latest_checkpoint('./'))
sess.run(tf.initialize_all_variables())   

第一行从检查点加载保存的模型。第二行重新初始化模型中的所有变量（例如权重矩阵、卷积滤波器和偏差向量），通常为随机数，以及覆盖加载的值。

解决方案很简单：删除第二行（sess.run(tf.initialize_all_variables())）并且评估将使用从检查点加载的训练值进行。

附言。此更改很有可能会给您带来有关“未初始化变量”的错误。在这种情况下，你应该执行sess.run(tf.initialize_all_variables())初始化未保存在检查点中的任何变量before执行loader.restore(sess, tf.train.latest_checkpoint('./')).