模型的保存和读取

最新推荐文章于 2024-09-28 23:58:34 发布

原创最新推荐文章于 2024-09-28 23:58:34 发布 · 321 阅读

0 ·

CC 4.0 BY-SA版权

深度学习同时被 2 个专栏收录

17 篇文章

订阅专栏

python学习

10 篇文章

订阅专栏

本文详细介绍了使用TensorFlow进行模型训练的过程，并演示了如何保存和恢复模型，以便于后续的测试和应用。通过实例展示了模型保存的具体实现，包括设置保存的步数和文件名，以及如何在训练结束后加载模型进行准确率测试。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

saver = tf.train.Saver(max_to_keep=3) #模型保存三个

with tf.Session() as sess:
	saver_path = saver.save(sess, "save/model.ckpt")
	...
	saver.restore(sess, "save/model.ckpt")
	print (sess.run(v1))

if do_train == 1:
	...
	#  Save Net
	if epoch % save_step == 0:
		saver.save(sess, "save/nets/cnn_mnist_basic.ckpt-" + str(epoch))

print ("OPYIMIZATION FINISHED")

if do_train == 0:
	epoch = training_epochs -1 
	saver.restore(sess, "save/nets/cnn_mnist_basic.ckpt" + str(epoch))

	test_acc = sess.run(accr, feed_dict={x: testing, y: testlabel, keepratio:1})
	print ("TEST ACCURACY: %.3f" % (test_acc))