恢复已保存的模型并从 java 程序中应用 dropout

Question

我有一个应用了 dropout 的预训练模型，我想从 java 程序中恢复它。

在我的应用程序中，在推理步骤中，我需要打开 dropout 并多次重复向模型提供输入，并获得一系列预测。

我做了什么：

加载模型并初始化会话

model = SavedModelBundle.load ("path_to_model", "serve");
sess  = model.session();

喂给模型（重复多次，例如 3 次）

for (i = 0; i < 3; i++) 
    t_pred = sess.runner().feed("x", x).fetch("y").run().get(0);

让我们假设：

第一次：获取数组A1 = [y1, y2, y3]
第二次：获取数组A2 =[z1, z2, z3]

...

我想要相同的推理，但 A2 与 A1 不同。我知道 dropout mask 会随着时间的推移而改变。我想我需要 "seed" 变量，因为我们在 python API 中有。但是我找不到任何参考。

我尝试了什么：要获得相同的预测列表，我需要多次加载模型和初始化会话。

for (i = 0; i < 3; i++) 
    model = SavedModelBundle.load ("path_to_model", "serve");
    sess  = model.session();
    t_pred = sess.runner().feed("x", x).fetch("y").run().get(0);

但这不是最佳选择，因为加载模型需要时间并且可能导致与内存相关的问题。

我该如何解决这个问题？

提前致谢！

Answer 1

终于，我解决了问题。

我认为重新打开会话时会话重新初始化是错误的：Session s = modelBundle.session();

它被重新初始化，涉及到一个图表。

byte[] metaGraph = Files.readAllBytes(Paths.get(save_path));
Graph g = new Graph();
Session sess = new Session(g);

但它导致错误：

"Attempting to use uninitialized value "

我通过更改 python 中保存模型的方式修复了错误。

之前，我使用：

builder = tf.saved_model.builder.SavedModelBuilder(save_folder)
builder.add_meta_graph_and_variables(sess,[tf.saved_model.tag_constants.SERVING])
save_path = builder.save()

好像没有保存种子（初始化为局部变量）然后导致模型没有保存状态。

我改成：

with tf.gfile.GFile(save_path, 'wb') as f:
   f.write(out_graph_def.SerializeToString())

效果很好^^。

恢复已保存的模型并从 java 程序中应用 dropout

Restoring saved model with dropout applied from java program

java

tensorflow

seed

dropout