Ich stelle gespeicherte Parameter eines Modells in Tensorflow wieder her. Ich möchte test difference configure für mein Modell mit verschiedenen Ebenen und verschiedenen Parametergrößen konfigurieren.Wie kann der Checkpoint von TensorFlow in geänderten Parametern und Modellen wiederhergestellt werden?
zum Beispiel, wenn einer meiner Parameter, die ich so sein gespeichert: W_conv1 = weight_variable([7 , 7, 1, 64])
wenn ich diese wiederherstellen, es funktioniert; aber ich möchte, dass meine Parameter wie folgt ändern: W_conv1 = weight_variable([5 , 5, 1, 64])
oder W_conv1 = weight_variable([5 , 5, 1, 50])
oder W_conv1 = weight_variable([9 , 9, 1, 80])
oder ....
Jetzt möchte ich meinen gespeicherten Checkpoint für die Wiederherstellung in der neuen Konfiguration verwendet. Wenn die Größe jeder Dimension von Parametern geändert wurde, wurde sie zufällig von meinem gespeicherten Parameter initialisiert und Orte werden zufällig initialisiert.
Ist dies im Tensorflow möglich?
Kann die 'reshape = True' in' tf.train.saver' verwenden? – Tavakoli