6
ケラスフレームワークを使用してニューラルネットワークを構築し、訓練したいと考えています。私は、テンソルフローをバックエンドとして使用するようにケラスを構成しました。私がケラスでモデルを訓練した後、私はTensorflowだけを使用しようとしました。セッションにアクセスしてテンソルフローグラフを取得できます。しかし、テンソルフローグラフを使って予測する方法はわかりません。訓練されたケラスモデルから抽出されたテンソルフローモデルの使用方法
私は電車（）私が構築し、唯一kerasを使用してモデルを訓練し、kerasを保存する方法とtensorflowモデル
のeval（）メソッドでは、次のチュートリアル http://machinelearningmastery.com/tutorial-first-neural-network-python-keras/
とのネットワークを構築ここで
は私のコードです：
from keras.models import Sequential
from keras.layers import Dense
from keras.models import model_from_json
import keras.backend.tensorflow_backend as K
import tensorflow as tf
import numpy
sess = tf.Session()
K.set_session(sess)
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:, 0:8]
Y = dataset[:, 8]
def train():
# create model
model = Sequential()
model.add(Dense(12, input_dim=8, init='uniform', activation='relu'))
model.add(Dense(8, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics['accuracy'])
# Fit the model
model.fit(X, Y, nb_epoch=10, batch_size=10)
# evaluate the model
scores = model.evaluate(X, Y)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1] * 100))
# serialize model to JSON
model_json = model.to_json()
with open("model.json", "w") as json_file:
json_file.write(model_json)
# serialize weights to HDF5
model.save_weights("model.h5")
# save tensorflow modell
saver = tf.train.Saver()
save_path = saver.save(sess, "model")
def eval():
# load json and create model
json_file = open('model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
# load weights into new model
loaded_model.load_weights("model.h5")
# evaluate loaded model on test data
loaded_model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])
score = loaded_model.evaluate(X, Y, verbose=0)
loaded_model.predict(X)
print ("%s: %.2f%%" % (loaded_model.metrics_names[1], score[1]*100))
# load tensorflow model
sess = tf.Session()
saver = tf.train.import_meta_graph('model.meta')
saver.restore(sess, tf.train.latest_checkpoint('./'))
# TODO try to predict with the tensorflow model only
# without using keras functions
私はtensorflowグラフ（sess.graph）にアクセスすることができますケラスフレームワークは私のために構築されましたが、テンソルフローグラフでどのように予測できるかわかりません。私はテンソルフローグラフをどのように構築し、それをgenerellで予測できるのか知っていますが、モデルケラスは私のために構築されていません。