TensorFlow学习（9）循环神经网络、保存模型和载入模型

最新推荐文章于 2022-07-16 08:32:21 发布
最新推荐文章于 2022-07-16 08:32:21 发布
阅读量567 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/HAIYUANBOY/article/details/89917466
本文介绍了在TensorFlow中如何使用RNN和LSTM解决序列化问题，如文本和语音识别。针对RNN的梯度消失问题，重点讨论了LSTM的复杂结构和其在手写数字识别案例中的应用。同时，文章还展示了如何保存和加载模型，并通过测试验证了加载模型后的准确率提升。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

RNN

RNN 和 BP 都有梯度消失的问题，信号会逐渐减弱

LSTM

主要用于文本和语音等序列化问题

LSTM 隐藏层的神经元不像BP的那样的神经元，而是如下比较复杂的block

第一项的输入影响了第4和第6项的输出结果

手写数字识别使用卷积神经网络案列

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnis
最低0.47元/天 解锁文章

200万优质内容无限畅学
Tensorflow使用CNN卷积神经网络以及RNN(Lstm、Gru)循环神经网络进行中文文本分类
大模型与Agent智能体
12-20 9212
Tensorflow使用CNN卷积神经网络以及RNN(Lstm、Gru)循环神经网络进行中文文本分类 本案例采用清华大学NLP组提供的THUCNews新闻文本分类数据集的一个子集进行训练和测试http://thuctc.thunlp.org/  训练CNN、RNN\LSTM模型，读入中文文本数据，预测文本属于哪个类别：体育, 财经, 房产, 家居, 教育, 科技, 时尚, 时政, 游戏, 娱乐...
[Python人工智能] 十九.Keras搭建循环神经网络分类案例及RNN原理详解
杨秀璋的专栏
02-23 9293
从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章分享了卷积神经网络CNN原理，并通过Keras编写CNN实现了MNIST分类学习案例。这篇文章将详细讲解循环神经网络RNN的原理知识，并采用TensorFlow实现手写数字识别的RNN分类案例及可视化呈现。基础性文章，希望对您有所帮助！
tensorflow+cnn神经网络学习模型保存及调用
06-06
tensorflow+cnn神经网络学习模型保存及调用，通过五种类型花卉(附在附件中）真实jpg图片，实现数据的分类学习，模型的保存，及调用方法。
神经网络——模型的保存，模型的加载
qq_42806080的博客
01-27 2670
目录模型的保存（torch.save）方式1（模型结构+模型参数）方式2（模型参数）模型的加载（torch.load）对应保存方式1对应保存方式2方式1存储，加载时需注意事项 模型的保存（torch.save） 方式1（模型结构+模型参数） 参数：保存位置 # 创建模型 vgg16 = torchvision.models.vgg16(pretrained=False) # 保存方式1——模型结构+模型参数 torch.save(vgg16, "vgg16_method1.pth") 方式2（模型参数）
(二)PyTorch神经网络模型保存与载入
天然玩家的博客
03-23 1246
1 模型保存 2 模型载入
pytorch模型保存与加载
Diobld的博客
03-13 1391
加载/保存状态字典 class RNN(nn.Module): def __init__(self, vocab_size, embedding_dim, hidden_dim): super(RNN, self).__init__() self.embedding = nn.Embedding(vocab_size, embedding_dim) #单词数，嵌入向量维度 self.embedding.weight
tensorflow 卷积神经网络模型存储与读取
什么珂的博客
04-26 1002
参考：https://blog.youkuaiyun.com/qq_25109263/article/details/77827255 训练完模型后，先定义一个saver： saver = tf.train.Saver() 保存模型： with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for...
【学习笔记】TensorFlow2.0搭建神经网络学习笔记
a1939224213的博客
07-16 501
学习笔记
最全Tensorflow模型保存和提取的方法——附实例
缘分天空，美丽的梦的博客
05-06 1万+
一、Tensorflow模型的保存和提取方法1、Tensorflow通过tf.train.Saver类实现神经网络模型的保存和提取。tf.train.Saver对象saver的save方法将Tensoreflow模型保存到指定的路径中，saver.save(sess,'model/model.ckpt).实际在这个文件目录下有4个文件：checkpoint 文件保存了一个录下多有的模型文件列表，m...
TensorFlow如何保存和载入神经网络模型？
Spuer_Tiger
01-30 4174
TensorFlow:如何保存和载入神经网络模型？ 1.如何保存完成训练的神经网络模型？ ​ 第一步，在构建的神经网络的最后添加Saver()。 #添加saver，保存训练好的神经网络 saver = tf.train.Saver() ​ 第二步，在执行训练的结束的最后添加运行S=saver.save()。（路径最好选择与.py源文件同一目录下新建文件夹。） #保存模型 saver.save(...
TensorFlow入门学习教程
06-17
深度学习框架TensorFlow视频培训课程概况：涉及TensorFlow的安装、基本语法、TensorFlow的使用、训练、回归模型、使用TensorFlow构建神经网络，线性回归、Mnist数据集、逻辑回归、卷积神经网络、循环神经网络、项目实战等。
TensorFlow模型保存和提取方法
热门推荐
marsjhao Blog
06-01 8万+
一、TensorFlow模型保存和提取方法 1. TensorFlow通过tf.train.Saver类实现神经网络模型的保存和提取。tf.train.Saver对象saver的save方法将TensorFlow模型保存到指定路径中，saver.save(sess,"Model/model.ckpt")，实际在这个文件目录下会生成4个人文件： checkpoint文件保存了一个录下多有的模
如何保存训练好的神经网络直接进行测试-TensorFlow模型持久化
疯狂的兔子
01-19 3万+
本文代码可在https://github.com/TimeIvyace/MNIST-TensorFlow.git中下载，文件夹为train_improved2，文件夹中一共三个py程序，同时运行mnist_train.py(用于训练)和mnist_eval.py(用于测试)即可。 注意：使用代码需要修改MNIST数据集存储位置以及神经网络存储位置。 为了让神经网络训练结果可以复用，需要将训练的
tensorflow 训练完模型的导出和测试模型
WK785456510的博客
01-11 7980
在我的另一篇博客中[tensorflow 物体检测（检测限速标志）](https://blog.youkuaiyun.com/WK785456510/article/details/86149398)中已经训练好了模型，接下来我们进行测试模型。 导出模型文件 训练完以后，如何对单张图片进行目标检测呢？ Object Detection API提供了一个export_inference_graph.py脚...
tensorflow 模型权重导出
weixin_30307267的博客
07-03 1164
tensorflow在保存权重模型时多使用tf.train.Saver().save 函数进行权重保存，保存的ckpt文件无法直接打开，不利于将模型权重导入到其他框架使用（如Caffe、Keras等）。 好在tensorflow提供了相关函数 tf.train.NewCheckpointReader 可以对ckpt文件进行权重查看，因此可以通过该函数进行数据导出。 1 import te...
tensorflow 保存/加载模型
Transfer
01-17 1万+
错误来源 最近在使用PyQt5做界面的时候，用Pycharm运行程序的时候遇到了这个错误 Process finished with exit code -1073740791 (0xC0000409) 上网查找解决方法
tensorflow保存模型和加载模型
tsfx051435adsl的博客
03-21 2279
又在公司的电脑上偷偷学习，趁boss没发现，赶紧发个blog 保存模型 关键代码： saver = tf.train.Saver(max_to_step) saver.save(session,filename) 例子：一元线性函数回归并保存模型 def line_regression(): x_data = np.random.rand(100) y_data = x_da...
tensorflow神经网络结构可视化
牧野的博客
10-11 2万+
  借助 tensorboard 实现tensorflow中定义的深度神经网络可视化。 在程序中实现网络可视化，只需要在加载网络之后，加上这一句： summary_writer = tf.summary.FileWriter('./log/', sess.graph) 上边的 sess.graph 就是定义的网络结构了，使用summary.FileWriter 方法保存到本地。或者： ...
TensorFlow学习笔记--网络模型的保存和读取
suixinsuiyuan33的博客
04-02 5291
之前的笔记里实现了softmax回归分类、简单的含有一个隐层的神经网络、卷积神经网络等等，但是这些代码在训练完成之后就直接退出了，并没有将训练得到的模型保存下来方便下次直接使用。为了让训练结果可以复用，需要将训练好的神经网络模型持久化，这就是这篇笔记里要写的东西。 TensorFlow提供了一个非常简单的API，即tf.train.Saver类来保存和还原一个神经网络模型。 下面代
python tensorflow神经网络预训练保存模型继续训练代码加注释
06-02
以下是基于TensorFlow的神经网络预训练代码，并加了注释，可以保存模型并继续训练： ```python import tensorflow as tf # 载入数据集 mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() # 数据预处理 x_train, x_test = x_train / 255.0, x_test / 255.0 # 定义模型 model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10) ]) # 定义损失函数 loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True) # 编译模型 model.compile(optimizer='adam', loss=loss_fn, metrics=['accuracy']) # 加载或预训练模型 try: model = tf.keras.models.load_model('my_model.h5') print('已加载模型，继续训练...') except: print('未找到模型，重新预训练...') # 预训练模型 model.fit(x_train, y_train, epochs=5) # 保存模型 model.save('my_model.h5') # 评估模型 model.evaluate(x_test, y_test, verbose=2) ``` 这段代码在预训练模型时，如果已经存在名为'my_model.h5'的模型文件，就会加载该模型并继续训练；如果不存在，则重新预训练。预训练完成后，将模型保存到'my_model.h5'文件中。最后，对模型进行了一次评估。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值