tensorflow存储读取神经网络参数

最新推荐文章于 2023-07-10 18:06:31 发布

原创最新推荐文章于 2023-07-10 18:06:31 发布 · 3.1k 阅读

2 ·

CC 4.0 BY-SA版权

Tensorflow 专栏收录该内容

32 篇文章

订阅专栏

本文介绍了如何使用TensorFlow保存和恢复模型中的变量。首先通过初始化变量并保存到指定路径，然后重新定义相同形状和类型的变量，并从之前保存的路径中恢复这些变量的值。

部署运行你感兴趣的模型镜像

import tensorflow as tf
import numpy as np
#W = tf.Variable([[1,2,3],[3,4,5]], dtype = tf.float32, name='weights')
#b = tf.Variable([[1,2,3]], dtype = tf.float32, name='biases')
#init = tf.global_variables_initializer()
#saver = tf.train.Saver()
#with tf.Session() as sess:
#   sess.run(init)
#   save_path = saver.save(sess,"my_net/save_net.ckpt")
#   print("Save to path:", save_path)

#restore variables
#redefine the same shape and same type for your variables
W = tf.Variable(np.arange(6).reshape((2,3)),dtype = tf.float32, name='weights')
b = tf.Variable(np.arange(3).reshape((1,3)),dtype = tf.float32, name='biases')
#not need init step
saver = tf.train.Saver()
with tf.Session() as sess:
   saver.restore(sess, "my_net/save_net.ckpt")
   print("weights:", sess.run(W))
   print("biases:", sess.run(b))

您可能感兴趣的与本文相关的镜像