小白学Tensorflow之模型保存和加载

作者：chen_h
微信号 & QQ：862251340
微信公众号：coderpai

---

今天学习了一下Tensorflow模型的保存和加载，查看了API文档，但是没有很理解，所以从网上找了一个比较简单的实现。

比如，我们需要保存的模型是参数v1和v2，那么只需要使用下列的保存代码save_model.py。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import tensorflow as tf
v1 = tf.Variable(1.1, name="v1")
v2 = tf.Variable(1.2, name="v2")

init = tf.initialize_all_variables()
saver = tf.train.Saver()
with tf.Session() as sess:
    sess.run(init)
    print v2.eval(sess)
    save_path="model.ckpt"
    saver.save(sess,save_path)
    print "Model stored...."

如果，我们要恢复模型，并且把他们导入到变量中，那么首先定义两个参数v3和v4，给他们取名叫v1和v2。注意，这里必须要给v3和v4取名为v1和v2，因为我们保存的模型中给变量取的名字就是v1和v2。那么，模型恢复的代码为restore_model.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import tensorflow as tf

v3 = tf.Variable(0.0, name="v1")
v4 = tf.Variable(0.0, name="v2")

saver = tf.train.Saver()

with tf.Session() as sess:

    save_path="model.ckpt"

    saver.restore(sess, save_path)
    print("Model restored.")
    print sess.run(v3)