tf.train.Saver函数的用法之保存全部变量和模型

用于保存模型，以后再用就可以直接导入模型进行计算，方便。

例如：

[python] view plaincopy

import tensorflow as tf;
import numpy as np;
import matplotlib.pyplot as plt;
v1 = tf.Variable(tf.constant(1, shape=[1]), name='v1')
v2 = tf.Variable(tf.constant(2, shape=[1]), name='v2')
result = v1 + v2
init = tf.initialize_all_variables()
saver = tf.train.Saver()
with tf.Session() as sess:
sess.run(init)
saver.save(sess, "/home/penglu/Desktop/lp/model.ckpt")
# saver.restore(sess, "/home/penglu/Desktop/lp/model.ckpt")
# print sess.run(result)

结果：

下次需要使用模型就可以用下面的代码：

[python] view plaincopy

import tensorflow as tf;
import numpy as np;
import matplotlib.pyplot as plt;
v1 = tf.Variable(tf.constant(1, shape=[1]), name='v1')
v2 = tf.Variable(tf.constant(2, shape=[1]), name='v2')
result = v1 + v2
init = tf.initialize_all_variables()
saver = tf.train.Saver()
with tf.Session() as sess:
saver.restore(sess, "/home/penglu/Desktop/lp/model.ckpt")
print sess.run(result)

[python] view plaincopy

或者这个代码：

[python] view plaincopy

import tensorflow as tf;
import numpy as np;
import matplotlib.pyplot as plt;

[python] view plaincopy

saver = tf.train.import_meta_graph('/home/penglu/Desktop/lp/model.ckpt.meta')
with tf.Session() as sess:
<span style="white-space:pre"> </span>saver.restore(sess, "/home/penglu/Desktop/lp/model.ckpt")
<span style="white-space:pre"> </span>print sess.run(tf.get_default_graph().get_tensor_by_name('add:0'))

tf.train.Saver函数的用法之保存全部变量和模型相关推荐

tf第七讲：模型保存与加载（tf.train.Saver()tf.saved_model）及fine_tune(梯度冻结)
大家好,我是爱编程的喵喵.双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中.从事机器学习以及相关的前后端开发工作.曾在阿里云.科大讯飞.CCF等比赛获得多次Top名次.现 ...
tf.train.Saver
将训练好的模型参数保存起来,以便以后进行验证或测试,这是我们经常要做的事情.tf里面提供模型保存的是tf.train.Saver()模块. 模型保存,先要创建一个Saver对象:如 saver=tf. ...
tensorflow tf.train.Saver.restore() （用于下次训练时恢复模型）
# 保存当前的Session到文件目录tf.train.Saver().save(sess, 'net/my_net.ckpt') # 然后在下次训练时恢复模型: tf.train.Saver().r ...
tf.train.Saver中max_to_keep设置无效
[问题描述]: saver = tf.train.Saver(max_to_keep=2) saver.save(sess, args.model_save_dir + '/lm_pretrain.c ...
tf.nn.embedding_lookup函数的用法
tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素.tf.nn.embedding_lookup(params, ids):params可以是张量也可以是数组等 ...
Cifar10案例中tf.train.MonitoredSession()函数解读
MonitoredTrainingSession()从单词的字面意思理解是用于监控训练的回话,它集成了一些监控训练的组件,如记录日记.训练可视化.模型保存等等.它实例化后就会得到一个Monitored ...
tf.train.examle函数
在自定义数据集中: example = tf.train.Example(features=tf.train.Features(feature={'img_raw': tf.train.Feature ...
tf.train.Saver，和模型参数微调
https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/5-06-save/ https://blog.csdn.net/ ...
tensorflow tf.train.ExponentialMovingAverage().variables_to_restore()函数（用于加载模型时将影子变量直接映射到变量本身）
variables_to_restore函数,是TensorFlow为滑动平均值提供.之前,也介绍过通过使用滑动平均值可以让神经网络模型更加的健壮.我们也知道,其实在TensorFlow中,变量的滑动 ...

tf.train.Saver函数的用法之保存全部变量和模型

tf.train.Saver函数的用法之保存全部变量和模型相关推荐

最新文章

热门文章