Tensorflow 测试RL算法,保存模型 并 读取进行测试

保存模型

RL中,我们一般都把一个网络结构写在一个类里面,保存的时候也是,可以如下写一个 save_net 函数:

def save_net(self):
    saver = tf.train.Saver()
    save_path = saver.save(self.sess, "./dqn/model/file_name.ckpt")
    print("Save to path: ", save_path)

在RL算法进行完N轮的训练之后,调用该函数进行模型保存:agent.save_net()
可以看到,会在model文件夹下多出四个文件:
在这里插入图片描述
也可以输出保存前的参数,进行观察,以便确认读取模型时是否成功读取了参数:

w1 = tf.get_default_graph().get_tensor_by_name('eval_net/l1/w1:0')  # 获得variable对应的Tensor
print(self.sess.run(w1))  # run一下这个Tensor得到结果

读取模型

首先注意,读取模型用于测试时,我们需要保证用到的变量和训练时的是一样的,比如测试DQN模型的效果:

class Test4DQ
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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