TensorFlow模型保存和恢复简单的例子

最新推荐文章于 2021-02-11 12:18:53 发布

原创最新推荐文章于 2021-02-11 12:18:53 发布 · 409 阅读

0 ·

CC 4.0 BY-SA版权

TensorFlow 专栏收录该内容

3 篇文章

订阅专栏

本文演示了如何使用TensorFlow实现变量的保存与恢复功能。首先定义了两个变量v1和v2，并通过Session进行初始化操作，接着更新v1和v2的值，将更新后的值保存到指定路径。然后重新创建相同名称和形状的变量，并从之前保存的路径中恢复变量的值。

部署运行你感兴趣的模型镜像

#%%保存
import tensorflow as tf
v1 = tf.get_variable("v1",shape=[3],initializer = tf.zeros_initializer)
v2 = tf.get_variable("v2",shape=[5],initializer = tf.zeros_initializer)

inc_v1 = v1.assign(v1+1)
dec_v2 = v2.assign(v2-1)

init_op = tf.global_variables_initializer()

saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init_op)
    inc_v1.op.run()
    dec_v2.op.run()
    save_path = saver.save(sess,"D:/tmp/model.ckpt")
    print("model saved in file:%s" % save_path)

sess.close()
#%%恢复
import tensorflow as tf
v1 = tf.get_variable("v1",shape=[3])
v2 = tf.get_variable("v2",shape=[5])
saver = tf.train.Saver()
with tf.Session() as sess:
    saver.restore(sess,"D:/tmp/model")
    print("v1:%s"%v1.eval())
    print("v2:%s"%v2.eval())

您可能感兴趣的与本文相关的镜像