时间:2021-05-22
一般使用
saver.restore(sess, modeldir + "model.ckpt")即可加载已经训练好的网络,可是有时候想值使用部分层的参数,这时候可以选择在加载网络之后重新初始化剩下的层
var_list = [weights['wd1'], weights['out'], biases['bd1'], biases['out'], global_step]initfc = tf.variables_initializer(var_list, name='init')比如我们想从新初始化var_list中的各个层,在restore之后,再初始化即可
sess.run(init)saver.restore(sess, modeldir + "model.ckpt")print sess.run(global_step)#initialize several layersess.run(initfc)print sess.run(global_step)即可发现部分变量重新初始化了
以上这篇基于tensorflow加载部分层的方法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。
最近在使用tensorflow进行网络训练的时候,需要提取出别人训练好的卷积核的部分层的数据。由于tensorflow中的tensor和python中的list
tensorflow官方提供了3种方法来读取数据:预加载数据(preloadeddata):在TensorFlow图中定义常量或变量来保存所有的数据,适用于数据
TensorFLow能够识别的图像文件,可以通过numpy,使用tf.Variable或者tf.placeholder加载进tensorflow;也可以通过自带
使用Tensorflow构建卷积神经网络,训练手势识别模型,使用opencvDNN模块加载模型实时手势识别效果如下:先显示下部分数据集图片(0到9的表示,感觉很
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