[TensorFlow深度学习入门]实战七·简便方法实现TensorFlow模型参数保存与加载（ckpt方式）
[TensorFlow深度学习入门]实战七·简便方法实现TensorFlow模型参数保存与加载（ckpt方式）
小宋是呢
发布于 2019-06-27 11:32:26
发布于 2019-06-27 11:32:26
TensorFlow深度学习入门实战七·简便方法实现TensorFlow模型参数保存与加载（ckpt方式）
个人网站–> http://www.yansongsong.cn
TensorFlow模型训练的好网络参数如果想重复高效利用，模型参数保存与加载是必须掌握的模块。本文提供一种简单容易理解的方式来实现上述功能。参考博客地址
备注：
本文采用的是ckpt保存方式，在下篇博文中介绍更加常用的pb保存方式，包括ckpt文件如何转换的pb文件，和如何直接保存问pb文件，感兴趣可以去看看。
- 模型保存
代码：
import tensorflow as tf
x = tf.placeholder(dtype=tf.float32,shape=[None,2],name="in")
w1 = tf.get_variable("w1",initializer=tf.truncated_normal([2, 1], stddev=0.1))
b1 = tf.get_variable("b1",initializer=tf.constant(.1, dtype=tf.float32, shape=[1, 1]))
y = tf.add(tf.matmul(x,w1),b1,name="out")
saver = tf.train.Saver()
with tf.Session() as sess:
srun = sess.run
srun(tf.global_variables_initializer())
print("y: ",srun(y,{x:[[1,2]]}))
#保存模型与参数
saver_path = saver.save(sess, './Saver/test1/checkpoint_dir/MyModel')
print("saver path: ",saver_path)运行结果：
y: [[0.26085645]]
saver path: ./Saver/test1/checkpoint_dir/MyModel- 模型恢复
代码：
import tensorflow as tf
with tf.Session() as sess:
#加载运算图
saver = tf.train.import_meta_graph('./Saver/test1/checkpoint_dir/MyModel.meta')
#加载参数
saver.restore(sess,tf.train.latest_checkpoint('./Saver/test1/checkpoint_dir'))
graph = tf.get_default_graph()
#导入输入接口
x = graph.get_tensor_by_name("in:0")
#导入输出接口
y = graph.get_tensor_by_name("out:0")
#进行预测
print("y: ",sess.run(y,{x:[[1,2]]}))运行结果：
y: [[0.26085645]]- 结论
经过测试我们发现，当我们以相同的输入值去预测结果时，通过刚训练完成的网络与通过恢复的模型结果相同，验证了功能的正确性。
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2018年12月02日，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录