TensorFlow持久化
来源:互联网 发布:php图书管理系统 编辑:程序博客网 时间:2024/05/20 07:20
引言
持久化,就是能够把当前模型以及模型的参数能够保持下来,用于下次使用。
1、持久化代码实现-保存
TensorFlow提供 API,即tf.train.Saver()类
##持久化代码实现import tensorflow as tfv1=v2=result=v1+v2init_op=global_variables_initializer()saver=tf.train.Saver()with tf.Session() as sess: sess.run(init_op) saver.save(sess,"path/.ckpt")
TensorFlow会自动保存一个.meta的文件,该文件保存结构;.ckpt文件只是保存参数。
2、加载
##加载saver=tf.train.import_meta_graph(".meta")with tf.Session as sess: saver.restore(sess,"/path/.ckpt") print(sess.run(tf.get_default_graph().get_tensor_by_name("add:0"))
2.2变量重命名
v1 = tf.Variable(tf.constant(1.0, shape=[1]), name = "other-v1") v2 = tf.Variable(tf.constant(2.0, shape=[1]), name = "other-v2") saver = tf.train.Saver({"v1": v1, "v2": v2}) print(v1)
阅读全文
0 0
- Tensorflow 模型持久化
- tensorflow 持久化原理
- tensorflow--模型持久化
- TensorFlow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持久化原理及数据格式
- 【TensorFlow】MNIST(代码重构+模型持久化)
- tensorflow10 《TensorFlow实战Google深度学习框架》笔记-05-03模型持久化code
- MNIST 数字识别和数据持久化--step by step 入门TensorFlow(三)
- 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
- five flower classify
- tinyalsa使用
- 关于tomcat的问题,新工程的部署,运行问题
- mybatis的解析和运行原理1
- 微信小程序
- TensorFlow持久化
- Codeforces Round #450 (Div. 2)
- 5G相关知识
- TensorFlow入门案例分析
- TensorFlow技术解析与实战 11 自然语言处理
- 【JZ2440】自我学习记录【如何学习一个新的芯片:S3C2440】
- 图像分割之(五)边缘检测Laplace详解
- 使用TCP协议编写一个网络程序,设置服务器端的监听端口是8002,当与客户端建立连接后,服务器端向客户端发送数据“Hello, world”,客户端收到数据后打印输出
- Redis数据结构及其常用命令