tensorflow模型相关
来源:互联网 发布:windows7摄像头软件 编辑:程序博客网 时间:2024/05/19 18:15
最近学习tensorflow,对其中的模型的导入导出一直比较困惑,因此花了些力气研究了一下,最后归纳整理到本篇博客。
变量保存和恢复
在tensorflow中,变量用来存储和更新参数。变量创建时可以赋予name和初始值,并且在执行模型的其他操作之前必须对变量进行初始化。比较简单的一个方法是添加一个对初始化所有变量的操作,在使用模型前先执行这个操作。比如:
#添加变量初始化操作init_op = tf.initialize_all_variables()#执行模型前先执行初始化操作with tf.Session() as sess: # Run the init operation. sess.run(init_op) sess.run(...)
CheckPoint File
Checkpoint文件是用来保存Graph中定义的变量的二进制文件,包含了从变量名和变量值的映射关系。
保存变量
在tensorflow中保存和回复变量的方法是使用tf.train.Saver对象,利用Saver构造器可以给graph的变量添加save和restore的ops,将变量保存或从磁盘读取。
下面是保存变量的一个例子:
# 创建变量v1 = tf.Variable(..., name="v1")v2 = tf.Variable(..., name="v2")...# 添加一个变量初始化的opinit_op = tf.initialize_all_variables()# 添加一个ops 保存并恢复全部变量saver = tf.train.Saver()# 创建一个Session执行Graphwith tf.Session() as sess: sess.run(init_op) # Do some work with the model. .. # 保存变量 save_path = saver.save(sess, "/tmp/model.ckpt") print "Model saved in file: ", save_path
恢复变量
同样用Saver可以恢复变量,恢复时不需要进行初始化,但必须提前声明与恢复数据匹配的变量来接收数据
# 创建变量.v1 = tf.Variable(..., name="v1")v2 = tf.Variable(..., name="v2")saver = tf.train.Saver()with tf.Session() as sess: # Restore variables from disk. saver.restore(sess, "/tmp/model.ckpt") print "Model restored."
0 0
- tensorflow模型相关
- 【Tensorflow】tensorflow的模型训练Training与测试Testing等相关函数
- tensorflow相关
- TensorFlow相关
- Tensorflow:模型保存/模型恢复?
- Tensorflow cifar模型源码
- Tensorflow cifar模型源码
- tensorflow模型优化技巧
- tensorflow线性模型示例
- Tensorflow进行保存模型
- TensorFlow滑动平均模型
- tensorflow 模型保存问
- TensorFlow编程模型
- Tensorflow 模型持久化
- tensorflow im2txt模型
- tensorflow模型量化
- Tensorflow模型转caffe
- tensorflow 滑动平均模型
- 参数化查询为什么能够防止SQL注入
- 2-DDL
- BIST测试SRAM时要必须保证对所有端口可控
- 递归算法,JavaScript实现
- DIV水平居中、垂直居中
- tensorflow模型相关
- long long 表示问题
- File xxx specified for property 'resourceFile' does not exist.解决方法
- centos 7初次切换中文输入
- canvas画布与时钟制作
- 算法 会场安排问题
- Python有些代码可以再IDE(pycharm)里运行,在黑框却出错
- 【Caffe】002 caffe.cpp源码解析
- MFC定时器