tensorflow 加载模型
训练模型
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
money=np.array([[109],[82],[99], [72], [87], [78], [86], [84], [94], [57]]).astype(np.float32)
click=np.array([[11], [8], [8], [6],[ 7], [7], [7], [8], [9], [5]]).astype(np.float32)
x_test=money[0:5].reshape(-1,1)
y_test=click[0:5]
x_train=money[5:].reshape(-1,1)
y_train=click[5:]
x=tf.placeholder(tf.float32,[None,1],name='x') #保存要输入的格式
w=tf.Variable(tf.zeros([1,1]))
b=tf.Variable(tf.zeros([1]))
y=tf.matmul(x,w)+b
tf.add_to_collection('pred_network', y) #用于加载模型获取要预测的网络结构
y_=tf.placeholder(tf.float32,[None,1])
cost=tf.reduce_sum(tf.pow((y-y_),2))
train_step=tf.train.GradientDescentOptimizer(0.000001).minimize(cost)
init=tf.global_variables_initializer()
sess=tf.Session()
sess.run(init)
cost_history=[]
saver = tf.train.Saver()
for i in range(100):feed={x:x_train,y_:y_train}sess.run(train_step,feed_dict=feed)cost_history.append(sess.run(cost,feed_dict=feed))
# 输出最终的W,b和cost值
print("109的预测值是:",sess.run(y, feed_dict={x: [[109]]}))
print("W_Value: %f" % sess.run(w), "b_Value: %f" % sess.run(b), "cost_Value: %f" % sess.run(cost, feed_dict=feed))
# saver_path = saver.save(sess, "/modelsave/model.ckpt",global_step=100)
# print("model saved in file: ", saver_path)#saver.save(sess, "modelsave/model")
saver.save(sess, "modelsave/linermodel.cpkt")
加载模型
import tensorflow as tf
with tf.Session() as sess:new_saver=tf.train.import_meta_graph('modelsave/model.ckpt-100.meta')new_saver.restore(sess,"modelsave/model.ckpt-100")graph = tf.get_default_graph()x=graph.get_operation_by_name('x').outputs[0]y=tf.get_collection("pred_network")[0]print("109的预测值是:",sess.run(y, feed_dict={x: [[109]]}))
tensorflow 加载模型相关推荐
- tensorflow加载模型
git链接 参考链接 训练模型 #!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Sat Mar ...
- Tensorflow加载模型(进阶版):如何利用预训练模型进行微调(fintuning)
我们要使用别人已经训练好的模型,就必须将.ckpt文件中的参数加载进来.我们如何有选择的加载.ckpt文件中的参数呢.首先我们要查看.ckpt都保存了哪些参数: 上代码: import tensorf ...
- tensorflow 1.x Saver(保存与加载模型) 预测
20201231 tensorflow 1.X 模型保存 https://blog.csdn.net/qq_35290785/article/details/89646248 保存模型 saver=t ...
- 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 ...
- tensorflow加载训练好的模型实例
1. 首先了解下tensorflow的一些基础语法知识 这里不再详细说明其细节,只举例学习. 1.1 tensorflow的tf.transpose()简单使用: tf.reshape(tensor, ...
- TensorFlow 加载多个模型的方法
采用 TensorFlow 的时候,有时候我们需要加载的不止是一个模型,那么如何加载多个模型呢? 原文:https://bretahajek.com/2017/04/importing-multipl ...
- Tensorflow学习(二)之——保存加载模型、Saver的用法
1. Saver的背景介绍 我们经常在训练完一个模型之后希望保存训练的结果,这些结果指的是模型的参数,以便下次迭代的训练或者用作测试.Tensorflow针对这一需求提供了Saver类. Saver类 ...
- tensorflow中保存模型、加载模型做预测(不需要再定义网络结构)
下面用一个线下回归模型来记载保存模型.加载模型做预测 参考文章: http://blog.csdn.net/thriving_fcl/article/details/71423039 训练一个线下回归 ...
- TensorFlow 加载多个模型的方法 - 知乎 https://zhuanlan.zhihu.com/p/53642222
TensorFlow 加载多个模型的方法 - 知乎 什么是Tensorflow模型? 当你训练好一个神经网络后,你会想保存好你的模型便于以后使用并且用于生产.因此,什么是Tensorflow模型?Te ...
最新文章
- C语言面向对象编程(二):继承详解
- 贪心算法讲解(集合覆盖问题,旅行商问题求解)
- Windows系统下oracle数据库每天定时备份
- 扩展源_瑞萨电子推出具备反向充电WattShare TRx模式的 15W无线充电电源P9415R接收器,扩展无线电源产品线...
- 【博主推荐】Python 基于Xlwings、Openpyxl自己重新封装Python操作Excel类
- 002 html总结
- java(Hello World) 常量 变量和注意事项
- 【论文串讲】从BERT和XLNet到MPNet
- 学习总结 java基础
- 2018年大学生设计竞赛浙江赛区C题-无线充电电动小车-试题分析
- 打包Hololens2 VS error MSB3774: 找不到 SDK“WindowsMobile, Version=10.0.19041.0”解决办法
- 搜狗推送接口-搜狗推送口子
- 硬盘的结构和介绍,硬盘MBR详细介绍(超详细彩图)
- Apache网页与安全优化
- AddressBook获取通讯录
- CAD制图怎么使用CAD修剪命令呢?
- 小学英语计算机问卷调查,《小学英语单词记忆方法研究》问卷调查分析报告
- 华芯微特SWM320TFT屏人机交互方案手册
- hbuilder运行uniapp,微信开发者工具打开但没有运行项目
- [Linux From Scratch 作一个自己的Linux操作系统发行版本]一、环境准备