跟我学算法- tensorflow模型的保存与读取 tf.train.Saver()

save =  tf.train.Saver()

通过save. save() 实现数据的加载

通过save.restore() 实现数据的导出

第一步: 数据的载入

import tensorflow as tf

#创建变量
v1 = tf.Variable(tf.random_normal([1, 2], name=‘v1‘))
v2 = tf.Variable(tf.random_normal([2, 3], name=‘v2‘))
#初始化变量
init_op = tf.global_variables_initializer()
#构建训练模型的保存
saver = tf.train.Saver()
with tf.Session() as sess:
    sess.run(init_op)
    print(‘V1:‘, sess.run(v1))
    print(‘V2:‘, sess.run(v2))
    # saver.save(保存内容, 保存路径)
    saver_path = saver.save(sess, ‘save/model.ckpt‘)
    print(‘Model saved in file:‘, saver_path)

第二步: 数据的导出

import tensorflow as tf# v1,v2的设定,主要是看看输出的v1是哪个v1
v1 = tf.Variable(tf.random_normal([1, 2]), name=‘v1‘)
v2 = tf.Variable(tf.random_normal([2, 3]), name=‘v2‘)
# 构建保存模型
saver = tf.train.Saver()
with tf.Session() as sess:
    # 重新加载模型(重新赋予名字, 加载的路径)
    saver.restore(sess, ‘save/model.ckpt‘)
    print(‘V1:‘, sess.run(v1))
    print(‘V2:‘, sess.run(v2))
    print(‘Model restored‘)

原文地址:https://www.cnblogs.com/my-love-is-python/p/9570286.html

时间: 2024-10-04 05:49:15

跟我学算法- tensorflow模型的保存与读取 tf.train.Saver()的相关文章

TensorFlow Saver 保存最佳模型 tf.train.Saver Save Best Model

TensorFlow Saver 保存最佳模型 tf.train.Saver Save Best Model Checkmate is designed to be a simple drop-in solution for a very common Tensorflow use-case: keeping track of the best model checkpoints during training. The BestCheckpointSaver is a wrapper arou

tf.train.Saver()-tensorflow中模型的保存及读取

作用:训练网络之后保存训练好的模型,以及在程序中读取已保存好的模型 使用步骤: 实例化一个Saver对象 saver = tf.train.Saver() 在训练过程中,定期调用saver.save方法,像文件夹中写入包含当前模型中所有可训练变量的checkpoint文件 saver.save(sess,FLAGG.train_dir,global_step=step) 之后可以使用saver.restore()方法,重载模型的参数,继续训练或者用于测试数据 saver.restore(sess

跟我学算法- tensorflow 卷积神经网络训练验证码

使用captcha.image.Image 生成随机验证码,随机生成的验证码为0到9的数字,验证码有4位数字组成,这是一个自己生成验证码,自己不断训练的模型 使用三层卷积层,三层池化层,二层全连接层来进行组合 第一步:定义生成随机验证码图片 number = ['0','1','2','3','4','5','6','7','8','9'] # alphabet = ['a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p',

图融合之加载子图:Tensorflow.contrib.slim与tf.train.Saver之坑

import tensorflow as tf import tensorflow.contrib.slim as slim import rawpy import numpy as np import tensorflow as tf import struct import glob import os from PIL import Image import time __sony__ = 0 __huawei__ = 1 __blackberry__ = 2 __stage_raw2ra

机器学习与Tensorflow(7)——tf.train.Saver()、inception-v3的应用

1. tf.train.Saver() tf.train.Saver()是一个类,提供了变量.模型(也称图Graph)的保存和恢复模型方法. TensorFlow是通过构造Graph的方式进行深度学习,任何操作(如卷积.池化等)都需要operator,保存和恢复操作也不例外. 在tf.train.Saver()类初始化时,用于保存和恢复的save和restore operator会被加入Graph.所以,下列类初始化操作应在搭建Graph时完成. saver = tf.train.Saver()

tensorflow模型的保存与加载

模型的保存与加载一般有三种模式:save/load weights(最干净.最轻量级的方式,只保存网络参数,不保存网络状态),save/load entire model(最简单粗暴的方式,把网络所有的状态都保存起来),saved_model(更通用的方式,以固定模型格式保存,该格式是各种语言通用的) 具体使用方法如下: # 保存模型 model.save_weights('./checkpoints/my_checkpoint') # 加载模型 model = keras.create_mod

跟我学算法- tensorflow 实现RNN操作

对一张图片实现rnn操作,主要是通过先得到一个整体,然后进行切分,得到的最后input结果输出*_w['out'] + _b['out']  = 最终输出结果 第一步: 数据载入 import tensorflow as tf from tensorflow.contrib import rnn from tensorflow.examples.tutorials.mnist import input_data import numpy as np import matplotlib.pyplo

tensorflow模型的保存与恢复

模型保存后产生四个文件,分别是: |--models| |--checkpoint| |--.meta| |--.data| |--.index .meta保存的是图的结构 checkpoint文件是个文本文件,里面记录了保存的最新的checkpoint文件以及其它checkpoint文件列表. .data和.index保存的是变量值. tensorflow常用的模型保存方法: best_str = '' if best_loss is None or valid_loss < best_los

tensorflow 1.0 学习:模型的保存与恢复(Saver)

将训练好的模型参数保存起来,以便以后进行验证或测试,这是我们经常要做的事情.tf里面提供模型保存的是tf.train.Saver()模块. 模型保存,先要创建一个Saver对象:如 saver=tf.train.Saver() 在创建这个Saver对象的时候,有一个参数我们经常会用到,就是 max_to_keep 参数,这个是用来设置保存模型的个数,默认为5,即 max_to_keep=5,保存最近的5个模型.如果你想每训练一代(epoch)就想保存一次模型,则可以将 max_to_keep设置