在进行测试训练好的神经网络时,加载图和变量.meta读取错误?

Super__Tiger Super__Tiger 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要 + 加入社区
# 加载图和变量(这里我选择的是step=900的图,使用的是绝对路径。)
saver = tf.train.import_meta_graph('E:\DeepLearn\inception_v3\ runs\ 1580956790\checkpoints\model-900.meta')
报错内容如下:
saver = tf.train.import_meta_graph('E:\DeepLearn\inception_v3\ runs\ 1580956790\checkpoints\model-900.meta')
File "C:\ANaconda\lib\site-packages\tensorflow\python\training\saver.py", line 1435, in import_meta_graph
meta_graph_or_file, clear_devices, import_scope, **kwargs)[0]
File "C:\ANaconda\lib\site-packages\tensorflow\python\training\saver.py", line 1447, in _import_meta_graph_with_return_elements
meta_graph_def = meta_graph.read_meta_graph_file(meta_graph_or_file)
File "C:\ANaconda\lib\site-packages\tensorflow\python\framework\meta_graph.py", line 633, in read_meta_graph_file
raise IOError("File %s does not exist." % filename)
OSError: File E:\DeepLearn\inception_v3\ runs\ 1580956790\checkpoints\model-900.meta does not exist.
Backend Qt5Agg is interactive backend. Turning interactive mode on.
Process finished with exit code 1
...全文

相关推荐

cifar100的matlab版本

**导入数据**:首先,你需要加载`.mat`文件,这通常包含训练和测试集的矩阵表示。每个像素值被归一化到[0,1]之间。2.

呆呆的猫

基于TDE透明加密思想,构建AI私有模型安全存储与加载方案

在数据安全领域,透明数据加密(TDE)是一种成熟的技术,其核心原理是在存储引擎的I/O层对数据进行自动加解密,对上层应用完全透明,从而在保障数据静态存储安全的同时,不影响业务性能。这一技术价值在于解决了数据资产在存储环节的泄露风险,广泛应用于数据库、文件系统等场景。随着AI模型成为企业的核心数字资产,其保护需求日益迫切。模型文件在磁盘上以静态形式存储,价值高且易被复制,传统的文件加密方式在加载时需整体解密,会带来严重的性能损耗。因此,将TDE的“分层密钥管理”和“透明加解密”思想迁移至AI模型保护,成为一种

weixin_30411239

CIFAR-10/100 数据集中文说明

共有 50000 幅训练图像和 10000 张测试图像。数据集分为五个训练批次和一个测试批次,每个训练批次有 10000 幅图像。测试批次包含来自每个类的 1000 个随机选择的图像。

尼莫的混沌海域

基于Python卷积神经网络实现MNIST手写数字数据集识别+模型文件+GUI界面+使用说明

使用MNIST数据集训练卷积神经网络模型,用于手写数字识别ocr.py一个单层的神经网络,使用MNIST训练,识别准确率较低cnn_ocr.py两层的卷积神经网络,使用MNIST训练(模型使用MNIS

yanglamei1962

利用增强学习的方法设计神经网络

在当前的人工智能和机器学习领域,卷积神经网络(CNN)的设计是一个复杂的过程,它通常需要人类专家的知识和大量的劳动。传统的CNN架构设计通常涉及到大量试验和错误,或者是在现有架构基础上的微调。

m0_37147042
评论 3
收藏 已收藏
分享
返回顶部