tensorflow--模型持久化
来源:互联网 发布:unity3d制作复杂模型 编辑:程序博客网 时间:2024/06/07 14:07
一、保存模型
Tensorflow 使用tf.train.Saver类进行保存。
import tensorflow as tf
v1 = tf.Variable(tf.constant([6.0], shape=[1]), name = 'v1')
v2 = tf.Variable(tf.constant([2.0], shape=[1]), name = 'v2')
result = v1+v2
saver = tf.train.Saver()
with tf.Session() as sess:
tf.global_variables_initializer().run()
saver.save(sess, "./saver/model.ckpt")
一般保存四个文件,一个model.ckpt.meta,它保存了Tensorflow计算图的结构。其他两个model.ckpt开头的是保存变量的值。最后一个checkpoint保存了一个目录下所有的模型文件列表。
二、加载模型
加载一个已保存的模型
import tensorflow as tf
v1 = tf.Variable(tf.constant([6.0], shape=[1]), name = 'v1')
v2 = tf.Variable(tf.constant([2.0], shape=[1]), name = 'v2')
result = v1+v2
saver = tf.train.Saver()
with tf.Session() as sess:
saver.restore(sess, "./saver/model.ckpt")
print(sess.run(result))
加载模型的代码中没有运行变量的初始化过程,而是将变量的值通过保存的模型加载进来。
如果不希望重新定义图上的运算,可以直接加载已经持久话的图。
saver = tf.train.import_meta_graph("./saver/model.ckpt.meta")
with tf.Session() as sess:
saver.restore(sess, "./saver/model.ckpt")
#通过张量的名称来获取张量
print(sess.run(tf.get_default_graph().get_tensor_by_name("add:0")))
- Tensorflow 模型持久化
- tensorflow--模型持久化
- Tensorflow中的模型持久化
- tensorflow 模型的持久化
- Tensorflow基础:模型持久化
- 5.4 TensorFlow模型持久化
- TensorFlow MNIST LeNet 模型持久化
- Tensorflow模型持久化与恢复
- TensorFlow模型的保存和持久化
- Tensorflow模型持久化的代码实现
- 【TensorFlow】MNIST(代码重构+模型持久化)
- tensorflow 持久化原理
- TensorFlow持久化
- tensorflow10 《TensorFlow实战Google深度学习框架》笔记-05-03模型持久化code
- tensorflow学习笔记(八):模型持久化 saver and restore
- Tensorflow学习笔记(6)——变量管理和模型持久化
- TensorFlow 入门 3 ——变量管理和模型持久化
- 【TensorFlow】模型持久化tf.train.Saver—上(八)
- Btrace入门到熟练小工完全指南
- HDU
- 跟着《Learn Python The Hard Way》学Python(二)
- Java学习第三课
- SSM框架——详细整合教程(Spring+SpringMVC+MyBatis)
- tensorflow--模型持久化
- drawerlayout_demo
- 实例笔记(一)
- C++IO类&文件输入输出
- KNN算法(一)
- Webrtc穿透转发通讯1-网页
- 某二进制位置0或置1
- 程序 进程 线程
- Java学习(十)