tensorflow 之模型的保存与加载(一)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了tensorflow 之模型的保存与加载(一),小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1920字,纯文字阅读大概需要3分钟。
内容图文
怎样让通过训练的神经网络模型得以复用?
本文先介绍简单的模型保存与加载的方法,后续文章再慢慢深入解读.
1 # !/usr/bin/env python3 2 # -*- coding:utf-8 -*- 3 # ########################### 4 # File Name: saver.py 5 # Brief: 6 # Author: frank 7 # Mail: frank0903@aliyun.com 8 # Created Time:2018-06-22 22:12:52 9 # ########################### 10 11 """ 12 checkpoint #保存所有的模型文件列表 13 my_test_model.ckpt.data-00000-of-00001 14 my_test_model.ckpt.index 15 my_test_model.ckpt.meta #保存计算图的结构信息,即神经网络的结构 16 """ 17 18 19 import tensorflow as tf 20 21 # 声明两个变量并计算它们的和 22 v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1") 23 v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="v2") 24 result = v1 + v2 2526 init_op = tf.global_variables_initializer() 2728#声明tf.train.Saver类用于保存模型29 saver = tf.train.Saver() 3031with tf.Session() as sess: 32 sess.run(init_op) 33#将模型保存到指定路径34 saver.save(sess,"my_test_model.ckpt")
模型的加载方法:
# !/usr/bin/env python3 # -*- coding:utf-8 -*- # ########################### # File Name: restore.py # Brief: # Author: frank # Mail: frank0903@aliyun.com # Created Time:2018-06-22 22:34:16 # ########################### import tensorflow as tf v1 = tf.Variable(tf.constant(1.0, shape=[1]), name="v1") v2 = tf.Variable(tf.constant(2.0, shape=[1]), name="v2") print(v1) result = v1 + v2 print(result) saver = tf.train.Saver() with tf.Session() as sess: saver.restore(sess, "my_test_model.ckpt") print(sess.run(result)) #运行结果: #<tf.Variable ‘v1:0‘ shape=(1,) dtype=float32_ref> #Tensor("add:0", shape=(1,), dtype=float32) #[3.]
上面的过程中还是定义了 图的结构,有点重复了,那么可不可以直接从已保存的ckpt中加载图呢?
import tensorflow as tf saver = tf.train.import_meta_graph("my_test_model.ckpt.meta") with tf.Session() as sess: saver.restore(sess, "my_test_model.ckpt") print(sess.run(tf.get_default_graph().get_tensor_by_name("add:0")))
上面的程序,默认保存和加载了计算图中的全部变量,但有时可能只需要保存或加载部分变量。因为并不是所有隐藏层的参数需要重新训练。
具体怎么做呢?且听下回分解
原文:https://www.cnblogs.com/black-mamba/p/9226705.html
内容总结
以上是互联网集市为您收集整理的tensorflow 之模型的保存与加载(一)全部内容,希望文章能够帮你解决tensorflow 之模型的保存与加载(一)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。