tensorflow教程:变量创建、初始化、保存和加载

变量保存到文件

import tensorflow as tf
import numpy as np
# Create two variables.
x_data = np.float32([1,2,3,4,5,6,7,8,9,0])
weights = tf.Variable(tf.random_normal([10, 1], stddev=0.35), name="weights")
biases = tf.Variable(tf.zeros([1]), name="biases")
y = tf.matmul(x_data.reshape((1,-1)), weights)+biases
# Add an op to initialize the variables.
init_op = tf.global_variables_initializer()
saver = tf.train.Saver()
# Later, when launching the model
with tf.Session() as sess:
    # Run the init operation.
    sess.run(init_op)
    y_ = sess.run(y)
    print(y_)
    save_path = saver.save(sess, "./tmp/model.ckpt")
    print("Model saved in file: ", save_path)

从文件加载变量

import tensorflow as tf
import numpy as np
# Create two variables.
x_data = np.float32([1,2,3,4,5,6,7,8,9,0])
weights = tf.Variable(tf.random_normal([10, 1], stddev=0.35), name="weights")
biases = tf.Variable(tf.zeros([1]), name="biases")
y = tf.matmul(x_data.reshape((1,-1)), weights)+biases
saver = tf.train.Saver()
# Later, when launching the model
with tf.Session() as sess:
    saver.restore(sess, ‘./tmp/model.ckpt‘)
    y_ = sess.run(y)
    print(y_)

参考链接

http://wiki.jikexueyuan.com/project/tensorflow-zh/how_tos/variables.html

时间: 2024-08-04 17:37:58

tensorflow教程:变量创建、初始化、保存和加载的相关文章

C++从零实现深度神经网络之五——模型的保存和加载以及画出实时输出曲线

本文由@星沉阁冰不语出品,转载请注明作者和出处. 文章链接:http://blog.csdn.net/xingchenbingbuyu/article/details/53704085 微博:http://weibo.com/xingchenbing  一.模型的保存和加载 在我们完成对神经网络的训练之后,一般要把模型保存起来.不然每次使用模型之前都需要先训练模型,对于data hungry的神经网络来说,视数据多寡和精度要求高低,训练一次的时间从几分钟到数百个小时不等,这是任何人都耗不起的.把

一步一步写算法(之排序二叉树的保存和加载)

原文:一步一步写算法(之排序二叉树的保存和加载) [ 声明:版权所有,欢迎转载,请勿用于商业用途.  联系信箱:feixiaoxing @163.com] 排序二叉树是我们开发中经常使用到的一种数据结构,它具有较好的插入.删除.查找特性.但是由于二叉树的指针较多,所以相比较其他的数据结构而言,二叉树来得比较麻烦些.但是也不是没有办法,下面介绍一下我个人常用的方法. 我们知道,如果一个二叉树是一个满树的话,那么二叉树的节点应该是按照1.2.3.4依次排开的.但是现实情况是这样的,由于排序二叉树自身

第13章保存和加载你的模型

第13章保存和加载你的模型 在上一章,我们使用keras库学习了怎样训练CNNs.但是,我们注意到,在我们每次想评估网络或测试一批图像时,都需要首先训练它.这在网络模型很深.数据集很大时,将花费巨大时间来训练.那么有没有一种方式在训练完模型后,将它保存在磁盘上,然后在分类新图像时仅仅从磁盘加载就可以? 这种保存和加载一个已训练模型的过程称为模型序列化(model serialization),即本章主要的主题. 1         将一个模型序列化到磁盘上 使用keras库,模型序列化通过对已训

IOS之文件夹创建、删除,图片在本地的保存和加载

本文转自http://blog.csdn.net/toddmi/article/details/8204102 [html] view plaincopy = (NSCachesDirectory, NSUserDomainMask, YES); = [cachePaths objectAtIndex:0]; } [html] view plaincopy = (NSCachesDirectory, NSUserDomainMask, YES); = [cachePaths objectAtIn

[Telerik]RadDocking第02篇 保存和加载RadDocking的布局

一.演示概述 此演示展示了如何通过RadDocking控件自身所提供的SaveLayout()保存布局信息,以及通过LoadLayout()方法来加载布局信息.如此一来,就可以将用户自定义的布局信息持久化保存到文件中,当用户再次打开应用时,可将布局完好如初的恢复显示. 相关下载(屏幕录像):http://pan.baidu.com/s/1gd6DwDt 在线播放:http://v.youku.com/v_show/id_XODcyNjE0Mjg4.html 温馨提示:如果屏幕录像和代码不能正常下

用ASDF来组织Lisp程序编译和加载

一.建立示例程序hello world 1.编写asdf 文件hello.asd [plain] view plaincopy <span style="font-size:18px;">(defpackage :hello-system (:use #:asdf #:cl)) (in-package :hello-system) (defsystem hello :name "hello world" :version "0.1"

『TensorFlow』变量初始化

变量初始化实质 initializer操作的流程是调用Variable节点组中的Assign节点为节点操作单元分配初始值 变量初始化方法 tf.Variable_initializer([variable1, ……])可以初始化指定的变量,代替初始化全部变量,实际上其他的初始化方法大多是对某个变量集合调用此方法的封装 变量初始化另一个变量 可以使用一个变量来初始化另一个变量,依赖方法是variable.initialized_value(): w = tf.Variable(tf.random_

Linux驱动模块生成和加载分析

Linux驱动模块生成和加载分析 0x00 Hello World 先奉上本文需要分析的例子,这里以Hello World程序作为例子来分析吧: hello.c #include <linux/init.h> #include <linux/kernel.h> int __init hello_init(void) { printk(KERN_INFO "Hello world!\n"); return 0; } void __exit hello_exit(v

源码跟读,Spring是如何解析和加载xml中配置的beans

Spring版本基于: 跟踪代码源码基于: https://github.com/deng-cc/KeepLearning commit id:c009ce47bd19e1faf9e07f12086cd440b7799a63 1.配置启动Spring所需的监听器 web.xml中配置监听器 <listener> <listener-class>org.springframework.web.context.ContextLoaderListener</listener-cla