Tensorflow学习笔记:模型训练数据的保存和恢复的简单实例
来源:互联网 发布:还原网络设置会怎么样 编辑:程序博客网 时间:2024/05/16 08:06
#! /usr/bin/env python2# -*- coding: utf-8 -*-import tensorflow as tfimport numpy as npimport argparse'''保存模型训练后参数的简单实例'''print('保存和恢复模型训练后参数的简单实例:')#创建一个图my_graph = tf.Graph()with my_graph.as_default():var = tf.Variable(0, name='counter') #一个变量,初始值设置为0,但是要会话执行run才会被赋值#创建一个op, 实现var + 2step = tf.constant(2)newVar = tf.add(var, step)update = tf.assign(var, newVar)# 启动图后, 变量必须先经过`初始化` (init) op 初始化,# 首先必须增加一个`初始化` op 到图中.init_op = tf.initialize_all_variables()#创建saver来保存模型数据saver = tf.train.Saver()#在会话中运行或测试图def train_or_test(is_test):#创建会话,启动图with tf.Session(graph = my_graph) as sess:if is_test == False: #如果是训练模型print('Train begin...')sess.run(init_op) #先运行初始化操作print('var = %d' % sess.run(var)) #打印初始值#更新var,并打印for i in range(5):sess.run(update)print('[%d] var = %d' % (i, sess.run(var)))#保存每次迭代的结果,保存的文件从val_iter-1开始而不是0,这个有点搞不明白,有知道原因的麻烦给个留言 哈哈saver.save(sess, './model_data1/val_iter', global_step = i)saver.save(sess, './model_data1/val_final')else: #如果是测试模型print('Test begin...')for i in range(5)[1:]:iter_data_file = './model_data1/val_iter-' + str(i)#恢复每次迭代的结果saver.restore(sess, iter_data_file)print('[%d] var = %d' % (i, sess.run(var)))model_data = tf.train.latest_checkpoint('./model_data1/')print(model_data) # ./model_data1/val_finalsaver.restore(sess, model_data)print('read final var = %d' % sess.run(var))#必须定义这个main入口def main(_):train_or_test(ARGS.test)if __name__ == '__main__':parser = argparse.ArgumentParser()parser.add_argument('-t','--test',#type = int,default = False,action = 'store_true', # 运行 ./model_train1.py -t或--test 则ARGS.test被置为Truehelp = 'train: True, test: False.') #ARGS, unparsed = parser.parse_known_args()#tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)ARGS = parser.parse_args()print(ARGS)tf.app.run()'''命令:(1) ./model_train1.py 训练模型 (2) ./model_train1.py -t[--test] 测试模型''''''保存完 model_data1目录下出现:checkpoint (具有最近检查点列表的协议缓冲区)val_final (包含变量的值)val_final.meta (包含图形结构)val_iter-1val_iter-1.meta...val_iter-4val_iter-4.meta'''
阅读全文
0 0
- Tensorflow学习笔记:模型训练数据的保存和恢复的简单实例
- TensorFlow 训练好模型参数的保存和恢复代码
- 简单完整地讲解tensorflow模型的保存和恢复
- tensorflow中模型的保存和恢复
- tensorflow学习笔记六:保存和加载训练模型
- Tensorflow保存模型,恢复模型,使用训练好的模型进行预测和提取中间输出(特征)
- Tensorflow保存模型,恢复模型,使用训练好的模型进行预测和提取中间输出(特征)【转】
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
- TensorFlow学习笔记--网络模型的保存和读取
- tensorflow笔记:模型的保存与训练过程可视化
- tensorflow笔记:模型的保存与训练过程可视化
- tensorflow笔记:模型的保存与训练过程可视化
- Tensorflow使用笔记(1) 怎么保存和使用训练好的参数和模型
- tensorflow训练模型保存saver和恢复restore
- tensorflow 1.0 学习:模型的保存与恢复(Saver)
- 机器学习-训练模型的保存与恢复(sklearn)
- 机器学习-训练模型的保存与恢复(sklearn)
- 携程App的网络性能优化实践
- 为什么把我当作世界上最穷的人?
- 判断为空
- servlet中out对象的获取
- 移动端车牌识别sdk对各种车牌识别的简介
- Tensorflow学习笔记:模型训练数据的保存和恢复的简单实例
- linux mount (挂载命令)详解
- 无法识别的属性“targetFramework”。请注意属性名称区分大小写。错误解决办法
- Python之Scrapy爬虫框架安装及简单使用
- 设置环境变量快捷方式
- linux之getopt 函数
- JRebel热部署
- 有用的查询
- Carthage 教程:开始