tf.train.NewCheckpointReader实现保存变量的提取
来源:互联网 发布:阿里云速度 编辑:程序博客网 时间:2024/05/18 22:14
tf.train.NewCheckpointReader('path'):path是保存的路径,这个函数可以得到保存的所有变量
例如:
先保存一个模型,参数为v,v1.
import tensorflow as tf; import numpy as np; import matplotlib.pyplot as plt; v = tf.Variable(0, dtype=tf.float32, name='v')v1 = tf.Variable(0, dtype=tf.float32, name='v1')result = v + v1x = tf.placeholder(tf.float32, shape=[1], name='x')test = result + xinit = 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")利用tf.train.NewCheckpointReader导出所有变量
import tensorflow as tf; import numpy as np; import matplotlib.pyplot as plt; reader = tf.train.NewCheckpointReader("/home/penglu/Desktop/lp/model.ckpt")variables = reader.get_variable_to_shape_map()for ele in variables:print ele输出:
v1
v
阅读全文
0 0
- tf.train.NewCheckpointReader实现保存变量的提取
- 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
- Tensorflow的模型保存和读取tf.train.Saver
- tf.train.batch和tf.train.shuffle_batch的用法
- tf.train.batch和tf.train.shuffle_batch的用法
- tf.train.batch和tf.train.shuffle_batch的理解
- tf.train.exponential_decay的用法
- tf.train.ExponentialMovingAverage的用法
- tf.train.exponential_decay的用法
- tf.train
- TensorFlow入门(九)使用 tf.train.Saver()保存模型
- TensorFlow入门(九)使用 tf.train.Saver()保存模型
- TensorFlow中tf.train.exponential_decay的用法
- 遇到的问题与解决办法(tf.train.shuffle_batch与tf.train.slice_input_producer)
- Tensorflow:tf.train.SyncReplicasOptimizer
- tf.train.Saver
- tf.train.slice_input_produce命令
- android 百分比布局percentFrameLayout,percentRelativeLayout的使用
- MySQL: Fabric 搭建 HA
- 异常
- opencv function "imread" and loaded image depth concept
- Incorrect string value: '\xF0\x9F\x90\x9D</...' for column 'content' at row 1
- tf.train.NewCheckpointReader实现保存变量的提取
- C++程序内存分配中set_new_handler…
- git的使用,精细篇
- phpcms v9网站搬家的方法(含域名更改)
- MySQL:Fabric 安装
- ajax获取list
- 如何搞定SVN目录的cleanup问题和lock问题
- 『ORACLE』RAC—增删日志组成员(11g)
- CentOS7 安装MySQL5.7