【tensorflow入门】15、神经网络中变量的存储和读取---saver+restore

最新推荐文章于 2025-07-09 09:34:03 发布

原创最新推荐文章于 2025-07-09 09:34:03 发布 · 610 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #saver #restore

学习笔记专栏收录该内容

38 篇文章

订阅专栏

本文介绍了如何使用TensorFlow的Saver模块来保存和恢复神经网络的训练变量，包括存储变量的步骤和恢复时的注意事项，强调了在恢复后重启软件以避免错误的重要性。

tensorflow中允许将训练的variable存储起来，下次读取并接着训练。

存储saver：

import tensorflow as tf
import numpy as np  #使用numpy代码会省事些
#Save to file
#remember to define the same dtype and shape when restore
W = tf.Variable([[1,2,3],[3,4,5]],dtype=tf.float32,name='weights') #最好定义下dtype
b = tf.Variable([[1,2,3]],dtype=tf.float32,name='biases')

init = tf.global_variables_initializer()

#定义tensorflow的saver，用它来存储各种变量
saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init)
#开始保存的这一步了 这里保存后会返回一个值，保存在save_path中   保存为ckpt后缀
    save_path = saver.save(sess,"my_net/save_net.ckpt")  #restore的时候会把saver换为restore
    print("Save to path:",save_path)

读取restore：

import tensorflow as tf
import numpy as np  #使用numpy代码会省事些


#restore variables
#redefine the same shape and same type for your variables 读取时的形状和数据类型必须和当初一样才能正确的导入
W = tf.Variable(np.arange(6).reshape((2,3)),dtype=tf.float32,name="weights")   #先定义一个空的、没有意义的框架，可以随便取值

#not need init step  #restore的时候不用定义initial
saver = tf.train.Saver()  #用saver来提取到文件
with tf.Session() as sess:
    saver.restore(sess,"my_net/save_net.ckpt")   #因为不用运行initial，所以可以直接提取它
    print("weights:",sess.run(W))   #看一下这两个参数
    print("biases:",sess.run(b))

#目前tensorflow只能保存variable，还不能保存整个神经网络框架 。因此可以重新定义一下框架，
#再把 variable重新放进来继续学习

注意：

saver之后最好重启软件再运行restore，不然容易报很长的错