有谁知道如何提取 tensorflow DNNRegressor 模型并手动评估？
Does any know how to extract a tensorflow DNNRegressor model and evaluate manually?
我正在尝试在 java 实时上下文中使用 DNNRegressor 模型，不幸的是，这需要无垃圾实现。它看起来不像 tensorflow-light 提供无 GC 实现。阻力最小的途径是提取权重并手动重新实现神经网络。有没有人尝试从回归模型中提取权重并手动实施回归，如果是这样，您能描述一下任何陷阱吗？
谢谢！
我不太确定你的结论是否正确
The path of least resistance would be to extract the weights and re-implement the NN manually.
确实如此。在我看来，您想在 Android 移动应用程序中使用经过训练的模型。我个人对此了解不多，但我相信有一些有效的方法可以做到这一点。
但是，假设您确实需要提取权重，有多种方法可以做到这一点。
一种直接的方法是使用 Tensorflows 低级别 API 实现您自己想要的确切网络，而不是使用固定的 DNNRegressor class（顺便说一句，已弃用.).这听起来可能不必要地复杂，但实际上非常简单，而且好处是您可以完全掌控。
获取所有可训练变量的一般方法是使用 Tensorflows trainable_variables 方法。
或者 可能会对您有所帮助。
就陷阱而言，我真的不相信有任何陷阱。在一天结束时，您只是存储了一堆花车。您可能应该确保使用合适的文件格式，如 hdf5 和足够的浮点精度。
我正在尝试在 java 实时上下文中使用 DNNRegressor 模型，不幸的是，这需要无垃圾实现。它看起来不像 tensorflow-light 提供无 GC 实现。阻力最小的途径是提取权重并手动重新实现神经网络。有没有人尝试从回归模型中提取权重并手动实施回归，如果是这样，您能描述一下任何陷阱吗？
谢谢！
我不太确定你的结论是否正确
The path of least resistance would be to extract the weights and re-implement the NN manually.
确实如此。在我看来，您想在 Android 移动应用程序中使用经过训练的模型。我个人对此了解不多，但我相信有一些有效的方法可以做到这一点。
但是，假设您确实需要提取权重，有多种方法可以做到这一点。
一种直接的方法是使用 Tensorflows 低级别 API 实现您自己想要的确切网络，而不是使用固定的 DNNRegressor class（顺便说一句，已弃用.).这听起来可能不必要地复杂，但实际上非常简单，而且好处是您可以完全掌控。
获取所有可训练变量的一般方法是使用 Tensorflows trainable_variables 方法。
或者
就陷阱而言，我真的不相信有任何陷阱。在一天结束时，您只是存储了一堆花车。您可能应该确保使用合适的文件格式，如 hdf5 和足够的浮点精度。