So erhalten Sie Vorhersagen aus dem Tensorflow-Modell, nachdem Sie tf.group auf Ihren Optimizern verwendet haben

Question

Ich versuche etwas ähnliches wie Googles weites und tiefes Lernen zu schreiben, nachdem ich in Schwierigkeiten geraten bin, mehrere Klassen zu klassifizieren (12 Klassen) mit der sklearn api. Ich habe versucht, den Rat in ein paar Posts zu folgen und die tf.group (logistic_regression_optimizer, deep_model_optimizer) verwendet. Es scheint zu funktionieren, aber ich habe versucht herauszufinden, wie man Vorhersagen aus diesem Modell herausholt. Ich hoffe, dass das Modell mit dem tf.group-Operator lernt, die logistischen und tiefen Modelle unterschiedlich zu gewichten, aber ich weiß nicht, wie ich diese Gewichte herausholen soll, damit ich die richtige Kombination der Vorhersagen beider Modelle bekommen kann. Vielen Dank im Voraus für jede Hilfe.

https://groups.google.com/a/tensorflow.org/forum/#!topic/discuss/Cs0R75AGi8A

How to set layer-wise learning rate in Tensorflow?

Answer 1

tf.group() erzeugt einen Knoten, der eine Liste der anderen Knoten zwingt, unter Verwendung von Steuerabhängigkeiten auszuführen. Es ist wirklich nur ein praktischer Weg, um Logik zu verpacken, die sagt: "Führe diese Menge von Knoten aus, und ich kümmere mich nicht um ihre Ausgabe". In der Diskussion, auf die Sie verweisen, ist es nur eine einfache Möglichkeit, eine einzige train_op von einem Paar Trainingspersonal zu erstellen.

Wenn Sie sich für den Wert eines Tensors (z. B. Gewichte) interessieren, sollten Sie ihn explizit an session.run() entweder im selben Aufruf wie der Trainingsschritt oder in einem separaten Aufruf session.run() übergeben. Sie können eine Werteliste an session.run() übergeben, z. B. Ihren tf.group() Ausdruck, sowie einen Tensor, dessen Wert Sie berechnen möchten.

Hoffe, dass hilft!