API tools faq
paste
Advertisement
Schlez

protobufcreation

Schlez
Nov 13th, 2016
191
0
Never
Add comment
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
Python 10.54 KB | None | 0 0
raw download clone embed print report
  1. # from tensorflow.python.tools import freeze_graph
  2. import tensorflow as tf
  3. from tensorflow.python.ops import variable_scope as vs
  4. from tensorflow.python.ops import init_ops
  5. import time
  6.  
  7.  
  8. tf.reset_default_graph()
  9.  
  10. # Input properties
  11. xSize = 13  # xData[0].shape[1] #13
  12. ySize = 18  # xData[0].shape[0] #18
  13.  
  14. # Network Parameter
  15. n_input = xSize * ySize
  16. n_hidden_1 = 600
  17. n_hidden_2 = 500
  18.  
  19. learning_rate = 0.1
  20. power_t = 0.25
  21. # epoch = 100000
  22. epoch = 100000
  23. dropout = 1.0
  24. batch_size = 100
  25. bias_start = 0.0
  26.  
  27.  
  28. def reg_perceptron(t, weights, biases):
  29.     t = tf.nn.relu(tf.add(tf.matmul(t, weights['h1']), biases['b1']), name="layer_1")
  30.     t = tf.nn.sigmoid(tf.add(tf.matmul(t, weights['h2']), biases['b2']), name="layer_2")
  31.     t = tf.add(tf.matmul(t, weights['hOut'], name="LOut_MatMul"), biases['bOut'], name="LOut_Add")
  32.  
  33.     return tf.reshape(t, [-1], name="output")
  34.  
  35.  
  36. def sum_of_squares(predictions, targets):
  37.     predictions.get_shape().assert_is_compatible_with(targets.get_shape())  # Just a check
  38.     predictions = tf.to_float(predictions) * const200
  39.     targets = tf.to_float(targets) * const200
  40.  
  41.     losses = tf.square(tf.sub(predictions, targets))
  42.     RMSE = tf.sqrt(tf.reduce_mean(losses))
  43.     return RMSE
  44.  
  45. def initialize_variable(vs_name): # other necessary arguments
  46.     # a function for initialize variables
  47.     with tf.variable_scope(vs_name, reuse=None) as vs:
  48.         h1 = tf.get_variable("weights0", [n_input, n_hidden_1], initializer=tf.contrib.layers.xavier_initializer())
  49.         h2 = tf.get_variable("weights1", [n_hidden_1, n_hidden_2], initializer=tf.contrib.layers.xavier_initializer())
  50.         hout = tf.get_variable("weightsOut", [n_hidden_2, 1], initializer=tf.contrib.layers.xavier_initializer())
  51.         b1 = tf.get_variable("bias0", [n_hidden_1], initializer=init_ops.constant_initializer(bias_start))
  52.         b2 = tf.get_variable("bias1", [n_hidden_2], initializer=init_ops.constant_initializer(bias_start))
  53.         bout = tf.get_variable("biasOut", [1], initializer=init_ops.constant_initializer(bias_start))
  54.         vs.reuse_variables()
  55.  
  56.  
  57. g = tf.Graph()
  58. with g.as_default():
  59.     # Tensor placeholders and variables
  60.     _x = tf.placeholder(tf.float32, [None, n_input], name="X_Input")
  61.     _y = tf.placeholder(tf.float32, [None], name="Y_GroundTruth")
  62.  
  63.     _adaptive_learning_rate = tf.placeholder(tf.float32, shape=[], name="adaptive_learning_rate")
  64.     _epoch_count = tf.Variable(0, dtype=tf.float32, name="epoch_count")
  65.  
  66.     #_cost = tf.Variable(1, dtype=tf.float32, name="cost")
  67.  
  68.     #_error = tf.Variable(tf.zeros([len(test_y)]), dtype=tf.float32, name="error")
  69.  
  70.     const200 = tf.constant(200.0, dtype=tf.float32)
  71.  
  72.     # Network weights and biases
  73.  
  74.     rg_weights = {
  75.         'h1': vs.get_variable("weights0", [n_input, n_hidden_1], initializer=tf.contrib.layers.xavier_initializer()),
  76.         'h2': vs.get_variable("weights1", [n_hidden_1, n_hidden_2], initializer=tf.contrib.layers.xavier_initializer()),
  77.         'hOut': vs.get_variable("weightsOut", [n_hidden_2, 1], initializer=tf.contrib.layers.xavier_initializer())
  78.     }
  79.  
  80.     rg_biases = {
  81.         'b1': vs.get_variable("bias0", [n_hidden_1], initializer=init_ops.constant_initializer(bias_start)),
  82.         'b2': vs.get_variable("bias1", [n_hidden_2], initializer=init_ops.constant_initializer(bias_start)),
  83.         'bOut': vs.get_variable("biasOut", [1], initializer=init_ops.constant_initializer(bias_start))
  84.     }
  85.  
  86.     # Network layer definitions
  87.     pred = reg_perceptron(_x, rg_weights, rg_biases)
  88.     print(str(pred))
  89.  
  90.     # Definition of cost function
  91.     cost = sum_of_squares(pred, _y)
  92.  
  93.     # Create optimizer
  94.     optimizer = tf.train.AdagradOptimizer(learning_rate=_adaptive_learning_rate).minimize(cost)
  95.  
  96.     # Create summary for TensorBoard
  97.     merged_summary = tf.merge_all_summaries()
  98.     timestamp = int(time.time())
  99.     print "Starting session, TS =", timestamp
  100.  
  101.     # Session operations
  102.     init_op = tf.initialize_all_variables()
  103.     inc_epoch_op = _epoch_count.assign_add(1.0)  # increase epoch counter by 1
  104.     saver = tf.train.Saver()
  105.     sess = tf.Session()
  106.  
  107.     # saver.restore(sess, model_save_path)
  108.     saver.restore(sess, "/Users/leslie/Downloads/Y6_1476978999")
  109.     sess.run(tf.initialize_all_variables())
  110.  
  111. # a_adaptive_learning_rate = _adaptive_learning_rate.eval(sess)
  112. a_epoch_count = _epoch_count.eval(sess)
  113. #a_cost = _cost.eval(sess)
  114. #a_error = _error.eval(sess)
  115. # aconst200 = const200.eval(sess)
  116. sess.close()
  117.  
  118. g_2 = tf.Graph()
  119. with g_2.as_default():
  120.     _x_2 = tf.placeholder(tf.float32, [None, n_input], name="X_Input")
  121.  
  122.     _adaptive_learning_rate = tf.placeholder(tf.float32, shape=[], name="adaptive_learning_rate")
  123.     _epoch_count_2 = tf.constant(a_epoch_count, name="epoch_count")
  124.  
  125.     #_cost_2 = tf.constant(a_cost, name="cost")
  126.  
  127.     #_error_2 = tf.constant(a_error, name="error")
  128.  
  129.     const200 = tf.constant(200.0, dtype=tf.float32)
  130.  
  131.     initialize_variable("vs_name")  # fill in other necessary arguments
  132.     with tf.variable_scope("vs_name", reuse=True):
  133.         rg_weights_2 = {'h1': tf.get_variable("weights0"),
  134.                       'h2': tf.get_variable("weights1"),
  135.                       'hOut': tf.get_variable("weightsOut")}
  136.         rg_biases_2 = {'b1': tf.get_variable("bias0"),
  137.                      'b2': tf.get_variable("bias1"),
  138.                      'bOut': tf.get_variable("biasOut")}
  139.  
  140.     pred_2 = reg_perceptron(_x_2, rg_weights_2, rg_biases_2)
  141.  
  142.     sess_2 = tf.Session()
  143.     init_2 = tf.initialize_all_variables()
  144.     sess_2.run(init_2)
  145.  
  146.     graph_def = g_2.as_graph_def()
  147.     #tf.train.write_graph(graph_def, '/Users/leslie/Downloads/', 'trained_model.pb', as_text=False)
  148.  
  149.     print("saysomething")
  150.  
  151.     predy = sess_2.run(pred_2, feed_dict={_x_2:
  152.                                               [[0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  153.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  154.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  155.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  156.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  157.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  158.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  159.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  160.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  161.                                                 0.19673228, 0.32271653, 0.4093307, 0.2990945, 0.19673228, 0.19673228,
  162.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  163.                                                 0.19673228, 0.19673228, 0.8187795, 1.0431889, 0.73610234, 0.3030315,
  164.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  165.                                                 0.19673228, 0.19673228, 0.19673228, 1.0116929, 1.1849213, 1.1494882,
  166.                                                 0.83059055, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  167.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.6888583, 1.1652362,
  168.                                                 1.1731102, 1.1652362, 0.43295276, 0.19673228, 0.19673228, 0.19673228,
  169.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.32271653,
  170.                                                 1.0392519, 1.1967323, 1.2006693, 0.562874, 0.19673228, 0.19673228,
  171.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  172.                                                 0.19673228, 0.6101181, 1.1809843, 1.1967323, 0.49200788, 0.19673228,
  173.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  174.                                                 0.19673228, 0.19673228, 0.19673228, 0.75185037, 0.8542126, 0.36208662,
  175.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  176.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.31877953, 0.38964567,
  177.                                                 0.31090552, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  178.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  179.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  180.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  181.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  182.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  183.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  184.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  185.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  186.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  187.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  188.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  189.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  190.                                                 0.19673228, 0.19673228, 0.19673228, 0.19673228, 0.19673228,
  191.                                                 0.19673228]]})
  192.  
  193.     print(predy)
  194.  
  195. #_y_2 = tf.placeholder(tf.float32, [None], name="Y_GroundTruth")
  196.  
  197. #feed_dict_2 = {_x_2: test_x, _y_2: test_y}
  198. #pred_y = sess_2.run(pred_2, feed_dict=feed_dict_2)
  199. print("done")
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement
Public Pastes
Advertisement
We use cookies for various purposes including analytics. By continuing to use Pastebin, you agree to our use of cookies as described in the Cookies Policy.  OK, I Understand
Not a member of Pastebin yet?
Sign Up, it unlocks many cool features!