我们知道了如何保存我们的模型接下来,我们就要想办法加载模型,调用模型,这也是我们用来做验证也好、做应用也好必须要做的。当然这里我们只考虑应用和验证,且只涉及模型部分,数据预处理,大家要自己加油啦。下一篇文章将为大家讲解如何加载别人的预训练模型进行微调(fintuning)。

上代码:

import tensorflow as tfsess = tf.Session()model_dir = 'xxx/xxx'#图模型路径
meta_path = os.path.join(model_dir,'xxxx.meta')#导入图结构,加载.meta文件
saver = tf.train.import_meta_graph(meta_path)#恢复变量值,加载.ckpt文件
saver.restore(sess,tf.train.latest_checkpoint(model_dir))
#注意,这里我用的是tf.train.latest_checkpoint()函数,其作用是,返回最近一次保存的.ckpt数据文件,大家使用时完全可以手动赋值。#获得默认图,即加载进来的图
graph = tf.get_default_graph()#填充feed_dict
x = graph.get_tensor_by_name('input_images:0')#这里的input_images要替换成你的占位符
y = graph.get_tensor_by_name('input_labels:0')#这里的input_labels要替换成你的占位符
feed_dict={x:input_image,y:labels}#通过图结构的名称来加载某结构的输出
conv1 = graph.get_tensor_by_name('conv1:0')#返回值是tensorsess.run(conv1,feed_dict) #返回值为ndarry

注意:我们在使用get_tensor_by_name时,参数必须是:'层的名字:0',必须加“:0”。否则会报错:

ValueError: The name 'conv1' refers to an Operation, not a Tensor. 

这是因为,conv1代表的是操作的名字,加上:0指代tensorname

完整项目有助于大家加深理解,链接:https://github.com/chenlinzhong/gender-recognition

Tensorflow载入模型详解,方法一(基础版):针对测试模型性能 和 使用模型。相关推荐

  1. windows环境下tensorflow安装过程详解(亲测安装成功后测试那块)

    写在最前: 在安装过程中遇到很多坑,一开始自己从官网下载了Python3.6.3或者Python3.6.5或者Python3.7.1等多个版本,然后直接pip install tensorflow或者 ...

  2. ENVI下植被指数模型详解

    [转载]ENVI下植被指数模型详解 (2013-09-06 08:41:35) 原文地址:ENVI下植被指数模型详解作者:ENVI-IDL中国 植被指数(VI)是两个或多个波长范围内的地物反射率组合运 ...

  3. Django MVT模型详解

    MVT模型详解 ORM简介 使用MySql数据库 开发流程 使用数据库生成模型类 Model 定义模型 定义属性 字段类型 字段选项 关系 元选项 示例演示 测试数据 类的属性 管理器Manager ...

  4. TensorFlow Wide And Deep 模型详解与应用 TensorFlow Wide-And-Deep 阅读344 作者简介:汪剑,现在在出门问问负责推荐与个性化。曾在微软雅虎工作,

    TensorFlow Wide And Deep 模型详解与应用 TensorFlow Wide-And-Deep 阅读344  作者简介:汪剑,现在在出门问问负责推荐与个性化.曾在微软雅虎工作,从事 ...

  5. TensorFlow Wide And Deep 模型详解与应用

    Wide and deep 模型是 TensorFlow 在 2016 年 6 月左右发布的一类用于分类和回归的模型,并应用到了 Google Play 的应用推荐中 [1].wide and dee ...

  6. 初识网络基础《网络七层模型详解》

    坚持原创输出,点击蓝字关注我吧 图片来自网络 目录 一.初识网络基础 二.网络七层模型详解 1.物理层 2.数据链路层 3.网络层 4.传输层 5.会话层 6.表示层 7.应用层 三.总结 一.初识网 ...

  7. python做估值模型_通证估值模型-费雪模型与净现值模型详解

    通证估值模型-费雪模型与净现值模型详解 一.费雪模型,适合货币型通证 1)公式:MV= PQ M: 货币供应量 V: 货币流通速度 P:劳务平均价格 V:劳务总数 维基百科地址:Equation of ...

  8. Transformer模型详解(图解最完整版)

    前言 Transformer由论文<Attention is All You Need>提出,现在是谷歌云TPU推荐的参考模型.论文相关的Tensorflow的代码可以从GitHub获取, ...

  9. 通证估值模型-费雪模型与净现值模型详解

    通证估值模型-费雪模型与净现值模型详解 一.费雪模型,适合货币型通证 1)公式:MV= PQ M: 货币供应量 V: 货币流通速度 P:劳务平均价格 V:劳务总数 维基百科地址:Equation of ...

  10. OSI七层模型详解物理层、数据链路层、网络层、传输层.....应用层协议

    OSI七层模型详解(物理层.数据链路层.网络层.传输层.....应用层协议与硬件) OSI 七层模型通过七个层次化的结构模型使不同的系统不同的网络之间实现可靠的通讯,因此其最主要的功能就是帮助不同类型 ...

最新文章

  1. AI版「盗梦空间」?谷歌大脑「世界模型」可实现在其梦境中对智能体进行训练
  2. Snapchat - give sum target listInteger first who hits target wins
  3. 一文读懂Redis常见对象类型的底层数据结构
  4. 实践教程 | Pytorch 模型的保存与迁移
  5. java开闭原则代码实现_如何提高你的代码设计能力?
  6. 14.Mongodb之导出(mongoexport)、导入(mongoimport)
  7. OpenDrive格式的高精度地图
  8. linux下加载so文件
  9. Windows: VC编程操作注册表键值
  10. git通过http的方式下载和提交代码
  11. ecosys m5021cdn_京瓷ECOSYS M5021cdn驱动
  12. 八爪鱼数据采集教程(一)
  13. PMP项目管理专业人员资格认证
  14. 触屏java版象棋下载 游戏下载安装,天天象棋下载手机版
  15. C++ 多种取整函数的使用和区别: ceil() floor() round() trunc() rint() nearbyint()
  16. MongoDB可视化工具 Studio 3T
  17. 定制嵌入式主板需要考虑的功能
  18. 北京内推 | 华为诺亚方舟实验室招聘自动驾驶仿真实习生
  19. Python之turtle库的学习与使用——画图
  20. 游戏服务器信息失败怎么回事,请重试应该怎么办呢? 解决方法: 遇到这样的情况一般是由于本地网络不正常、游戏服务器不正常或客户端出错导致...

热门文章

  1. nginx反向代理下thinkphp、php获取不到正确的外网ip
  2. eclipse 设置 默认编码为 utf-8
  3. Contiki系统介绍
  4. 实现Evernote的OAuth授权
  5. 可爱妈妈对我的\情色\教育
  6. pet shop学习.
  7. mysql 执行计划 代价_mysql explain执行计划详解
  8. 【数据结构与算法】之深入解析“石子游戏VIII”的求解思路与算法示例
  9. 面试官,求你了别再问我TCP三次握手和四次挥手了(含面试题)
  10. 【C++】Visual Studio教程(二) - 代码编辑器