TensorFlow保存读取数据

最新推荐文章于 2023-06-20 15:21:09 发布

转载最新推荐文章于 2023-06-20 15:21:09 发布 · 535 阅读

TensorFlow 专栏收录该内容

2 篇文章

订阅专栏

本文通过实例演示了如何使用TensorFlow保存和加载模型。首先创建并初始化两个随机矩阵变量，接着保存模型到指定路径；然后重新定义相同的变量结构，并从之前保存的文件中恢复变量值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

保存数据

import tensorflow as tf

# 声明两个变量
v1 = tf.Variable(tf.random_normal([1, 2]), name="v1")  #1*2的矩阵
v2 = tf.Variable(tf.random_normal([2, 3]), name="v2")  #2*3的矩阵
init_op = tf.global_variables_initializer() # 初始化全部变量
saver = tf.train.Saver() #保存
with tf.Session() as sess:
    sess.run(init_op)

    print("v1:", sess.run(v1)) # 打印v1、v2的值一会读取之后对比
    print("v2:", sess.run(v2))
    saver_path = saver.save(sess, "path\\model.ckpt")  # 将模型保存到save/model.ckpt文件
    print("Model saved in file:", saver_path)

读取数据

import tensorflow as tf

# 使用和保存模型代码中一样的方式来声明变量
v1 = tf.Variable(tf.random_normal([1, 2]), name="v1")
v2 = tf.Variable(tf.random_normal([2, 3]), name="v2")
saver = tf.train.Saver() 
with tf.Session() as sess:
    saver.restore(sess, "path\\model.ckpt")

    print("v1:", sess.run(v1)) # 打印v1、v2的值和之前的进行对比
    print("v2:", sess.run(v2))
    print("Model Restored")