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。