时间:2021-05-22
在训练循环中,定期调用 saver.save() 方法,向文件夹中写入包含了当前模型中所有可训练变量的 checkpoint 文件。
saver.save(sess, FLAGS.train_dir, global_step=step)global_step是训练的第几步
保存参数:
import tensorflow as tf W = tf.Variable([[1, 2, 3]], dtype=tf.float32)b = tf.Variable([[1]], dtype=tf.float32) saver = tf.train.Saver() sess = tf.InteractiveSession()tf.global_variables_initializer().run()# 必须要指定文件夹,保存到ckpt文件save_path = saver.save(sess, "winycg/1.ckpt")print(save_path)一次 saver.save() 后可以在文件夹中看到新增的四个文件,实际上每调用一次保存操作会创建后3个数据文件并创建一个检查点(checkpoint)文件,简单理解就是权重等参数被保存到 .chkp.data 文件中,以字典的形式;图和元数据被保存到 .chkp.meta 文件中,可以被 tf.train.import_meta_graph 加载到当前默认的图。
读取参数:
import tensorflow as tfimport numpy as np W = tf.Variable(np.arange(3).reshape(1, 3), dtype=tf.float32)b = tf.Variable(np.arange(1).reshape(1, 1), dtype=tf.float32) saver = tf.train.Saver() sess = tf.InteractiveSession()# 读取参数时不需要global_variables_initializer()save_path = saver.restore(sess, "parameter/1.ckpt")print("weights:", sess.run(W))print("bias:", sess.run(b))weights: [[ 1. 2. 3.]]
bias: [[ 1.]]
以上这篇TensorFlow利用saver保存和提取参数的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
一、TensorFlow模型保存和提取方法1.TensorFlow通过tf.train.Saver类实现神经网络模型的保存和提取。tf.train.Saver对
tensorflow模型保存为saver=tf.train.Saver()函数,saver.save()保存模型,代码如下:importtensorflowas
一、TensorFlow常规模型加载方法保存模型tf.train.Saver()类,.save(sess,ckpt文件目录)方法参数名称功能说明默认值var_l
使用tensorflow训练模型时,我们可以使用tensorflow自带的Save模块tf.train.Saver()来保存模型,使用方式很简单就是在训练完模型
本文为大家分享了TensorFLow用Saver保存和恢复变量的具体代码,供大家参考,具体内容如下建立文件tensor_save.py,保存变量v1,v2的te