Raspberry 上的 Tensorflow:- 使用无效的保存路径“./model.ckpt”调用恢复。文件路径是:'./model.ckpt'
Tensorflow on Raspberry:- Restore called with invalid save path './model.ckpt'. file path is: './model.ckpt'
更新: Here the github repository of my project
我已经在 Tensorflow 上使用 MNIST 训练了一个数字识别器模型,在 64 位 windows 10 上训练也很好地在 Ubuntu 18 上训练。我已将脚本移到 Raspberry Pi3 Model B 上,出现错误:
... line 1342, in restore "File path is: %r" % (save_path, file_path))
ValueError: Restore called with invalid save path: './model.ckpt'. File path is: '.model.ckpt'
checkpoint
、model.ckpt.index
、model.ckpt.meta
和 model.ckpt.data-00000-of-00001
与脚本位于同一文件夹中。
我对这个 Github repository 的代码做了一些修改:restore.py:
with tf.Session() as sess:
sess.run(init_op)
saver.restore(sess, "model.ckpt")
prediction=tf.argmax(y_conv,1)
toReturn = []
for value in imvalue:
toReturn.append(prediction.eval(feed_dict={x: [value],keep_prob: 1.0}, session=sess))
sess.close()
NOTE: The program works fine on Windows and Ubuntu but not on Raspberry
我尝试完成已经一周了 运行,我认为问题出在路径上,但我的尝试是徒劳的。我在互联网上搜索了很多,但我发现的是无用的;任何帮助,将不胜感激,
非常感谢,
马可
我发现问题出在检查点文件上,似乎在 x64 架构上训练的模型与 x64 Tensorflow 包不兼容 并且无法加载 在 x64ARM 上有用于 ARM 的 Tensorflow 包,或者至少是我拥有的版本,所以我 在 Raspberry 上直接 重新训练了模型,现在一切正常。
更新: Here the github repository of my project
我已经在 Tensorflow 上使用 MNIST 训练了一个数字识别器模型,在 64 位 windows 10 上训练也很好地在 Ubuntu 18 上训练。我已将脚本移到 Raspberry Pi3 Model B 上,出现错误:
... line 1342, in restore "File path is: %r" % (save_path, file_path))
ValueError: Restore called with invalid save path: './model.ckpt'. File path is: '.model.ckpt'
checkpoint
、model.ckpt.index
、model.ckpt.meta
和 model.ckpt.data-00000-of-00001
与脚本位于同一文件夹中。
我对这个 Github repository 的代码做了一些修改:restore.py:
with tf.Session() as sess:
sess.run(init_op)
saver.restore(sess, "model.ckpt")
prediction=tf.argmax(y_conv,1)
toReturn = []
for value in imvalue:
toReturn.append(prediction.eval(feed_dict={x: [value],keep_prob: 1.0}, session=sess))
sess.close()
NOTE: The program works fine on Windows and Ubuntu but not on Raspberry
我尝试完成已经一周了 运行,我认为问题出在路径上,但我的尝试是徒劳的。我在互联网上搜索了很多,但我发现的是无用的;任何帮助,将不胜感激, 非常感谢, 马可
我发现问题出在检查点文件上,似乎在 x64 架构上训练的模型与 x64 Tensorflow 包不兼容 并且无法加载 在 x64ARM 上有用于 ARM 的 Tensorflow 包,或者至少是我拥有的版本,所以我 在 Raspberry 上直接 重新训练了模型,现在一切正常。