TensorFlow saver之指定变量的存取
来源:互联网 发布:苹果6splus数据怎么开 编辑:程序博客网 时间:2024/05/21 08:38
今天和大家分享一下用TensorFlow的saver存取训练好的模型那点事。
1. 用saver存取变量;
2. 用saver存取指定变量。
用saver存取变量。
话不多说,先上代码
# coding=utf-8import os import tensorflow as tfimport numpyos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集没有装,加这个不显示那些警告w = tf.Variable([[1,2,3],[2,3,4],[6,7,8]],dtype=tf.float32)b = tf.Variable([[4,5,6]],dtype=tf.float32,)s = tf.Variable([[2, 5],[5, 6]], dtype=tf.float32)init = tf.global_variables_initializer()saver =tf.train.Saver()with tf.Session() as sess: sess.run(init) save_path = saver.save(sess, "save_net.ckpt")#路径可以自己定 print("save to path:",save_path)
这里我随便定义了几个变量然后进行存操作,运行后,变量w,b,s会被保存下来。保存会生成如下几个文件:
- cheakpoint
- save_net.ckpt.data-*
- save_net.ckpt.index
- save_net.ckpt.meta
接下来是读取的代码
import tensorflow as tfimport osimport numpy as npos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'w = tf.Variable(np.arange(9).reshape((3,3)),dtype=tf.float32)b = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32)a = tf.Variable(np.arange(4).reshape((2,2)),dtype=tf.float32)saver =tf.train.Saver()with tf.Session() as sess: saver.restore(sess,'save_net.ckpt') print ("weights",sess.run(w)) print ("b",sess.run(b)) print ("s",sess.run(a))
在写读取代码时要注意变量定义的类型、大小和变量的数量以及顺序等要与存的时候一致,不然会报错。你存的时候顺序是w,b,s,取的时候同样这个顺序。存的时候w定义了dtype没有 定义name,取的时候同样要这样,因为TensorFlow存取是按照键值对来存取的,所以必须一致。这里变量名,也就是w,s之类可以不同。
如下是我成功读取的效果
用saver存取指定变量。
在我们做训练时候,有些变量是没有必要保存的,但是如果直接用tf.train.Saver()。程序会将所有的变量保存下来,这时候我们可以指定保存,只保存我们需要的变量,其他的统统丢掉。
其实很简单,只需要在上面代码基础上稍加修改,只需把tf.train.Saver()替换成如下代码
program = []program += [w,b]tf.train.Saver(program)
这样,程序就只会存w和b了。同样,读取程序里面的tf.train.Saver()也要做如上修改。dtype,name之类依旧必须一致。
最后附上最终代码:
# coding=utf-8# saver保存变量测试import os import tensorflow as tfimport numpyos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' #有些指令集没有装,加这个不显示那些警告w = tf.Variable([[1,2,3],[2,3,4],[6,7,8]],dtype=tf.float32)b = tf.Variable([[4,5,6]],dtype=tf.float32,)s = tf.Variable([[2, 5],[5, 6]], dtype=tf.float32)init = tf.global_variables_initializer()program = []program += [w, b]saver =tf.train.Saver(program)with tf.Session() as sess: sess.run(init) save_path = saver.save(sess, "save_net.ckpt")#路径可以自己定 print("save to path:",save_path)
#saver提取变量测试import tensorflow as tfimport osimport numpy as npos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'w = tf.Variable(np.arange(9).reshape((3,3)),dtype=tf.float32)b = tf.Variable(np.arange(3).reshape((1,3)),dtype=tf.float32)a = tf.Variable(np.arange(4).reshape((2,2)),dtype=tf.float32)program = []program +=[w,b]saver =tf.train.Saver(program)with tf.Session() as sess: saver.restore(sess,'save_net.ckpt') print ("weights",sess.run(w)) print ("b",sess.run(b)) #print ("s",sess.run(a))
阅读全文
0 0
- TensorFlow saver之指定变量的存取
- TensorFlow之saver的用法
- tensorflow saver 保存和恢复指定 tensor
- Tensorflow系列——Saver的用法
- tensorflow 模型的保存与恢复(Saver)
- tensorflow saver restore固定的layer
- block之变量的存取
- Saver类--变量的保存和恢复
- 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 1.0之tf.train.Saver 文档翻译
- Tensorflow saver(save weight)
- Tensorflow---monitoring,saver
- TensorFlow学习--Saver
- Tensorflow的模型保存和读取tf.train.Saver
- tensorflow 1.0 学习:模型的保存与恢复(Saver)
- IAR的const,变量指定绝对地址,函数指定存取区域
- tensorflow关于tf.train.Saver()
- 下半年值得关注的新机和科技趋势
- memcache介绍、安装及应用
- 为什么我们像驯化小狗那样驯化算法
- Ubuntu 14.04 安装tensorflow
- Android开发中的JavaBean类
- TensorFlow saver之指定变量的存取
- docker无法正常启动
- 原型和原型链
- Java获取一段中文的首字母,不依赖其他框架
- MySQL NDB Cluster 集群简介
- Oracle12c中性能优化&功能增强新特性之全局索引DROP和TRUNCATE 分区的异步维护
- sort函数 以及 qsort函数的用法
- MapReduce工作原理
- tensorflow的输入