tensorflow之模型保存

最新推荐文章于 2025-08-27 16:27:22 发布
原创 最新推荐文章于 2025-08-27 16:27:22 发布 · 352 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow #效率

本文介绍了TensorFlow中三种模型保存方式：ckpt、pd和saved_model，推荐使用saved_model，因为其运行效率可能提高约2倍，对于优化模型运行速度有显著效果。

1、ckpt

2、pd

def freeze_graph(input_checkpoint,output_graph):
    '''
    :param input_checkpoint:
    :param output_graph: PB模型保存路径
    :return:
    '''
    # 指定输出的节点名称,该节点名称必须是原模型中存在的节点
    # 直接用最后输出的节点，可以在tensorboard中查找到，tensorboard只能在linux中使用
    output_node_names = "score/output"
    saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=True)
    graph = tf.get_default_graph() # 获得默认的图
    input_graph_def = graph.as_graph_def()  # 返回一个序列化的图代表当前的图
 
    with tf.Session() as sess:
        saver.restore(sess, input_checkpoint) #恢复图并得到数据
        output_graph_def = graph_util.convert_variables_to_constants(  # 模型持久化，将变量值固定
            sess=sess,
            input_graph_def=input_graph_def,# 等于:sess.graph_def
&nbs
最低0.47元/天 解锁文章
对tensorflow 的模型保存和调用实例讲解
09-20
总结起来，TensorFlow的模型保存与调用涉及到的关键知识点包括： - TensorFlow会话（Session）的使用 - tf.Variable的声明以及tf.global_variables_initializer()的使用 - tf.train.Saver类的实例化和使用 - 模型...
TensorFlow模型保存和提取的方法
09-20
以下是对TensorFlow模型保存和提取的详细解释： 首先，TensorFlow提供了`tf.train.Saver`类来实现模型的保存和恢复。在保存模型时，我们创建一个`Saver`对象，并调用其`save`方法，如`saver.save(sess,"Model/model...
tensorflow保存模型、恢复模型
qq_32172681的博客
07-17 566
1、模型训练（部分代码）： X = tf.placeholder(tf.float64,X_data.shape,name='X') Y = tf.placeholder(tf.float64,Y_data.shape,name='Y') epoch_num = 500 with tf.Session() as sess: sess.run(tf.global_variables_in...
TensorFlow2.0保存模型
hallobike的博客
01-09 1116
介绍 模型保存有5种：1、整体保存；2、网络架构保存；3、权重保存；4、回调保存；5、自定义训练模型的保存 1、整体保存：权重值，模型配置（架构），优化器配置 整个模型可以保存到一个文件中，其中包含权重值、模型配置乃至优化器配置。这样，您就可以为模型设置检查点，并稍后从完全相同的状态继续训练，而无需访问原始代码。 在Keras中保存完全可以正常使用的额模型非常有用，您可以在TensorFlow.js中加载它们，然后在网络浏览器中训练和运行它们。 Keras使用HDF5标准提供基本的保存格式。
TensorFlow——模型保存
Digger的博客
11-20 1263
模型保存 五种模型保存方法 模型整体的保存 模型框架的保存 模型权重的保存 使用回调函数对模型进行保存 对自定义训练模型的保存 一、模型整体的保存 整个模型可以保存到一个文件中，其中包含权重值、模型配置乃至优化器配置。这样，可以为模型设置检查点，并稍后从完全相同的状态继续训练，而无需访问原始代码。 在Keras中保存完全可以正常使用的模型非常有用，您可以在TensorFlow.js中加载它们，然后在网络浏览器中训练和运行它们。 Keras使用HDF5标准提供基本的保存格式。 保存模型 # 保存模型，参数
TensorFlow模型文件保存和读取
修炼之路
11-11 1万+
一、模型文件的保存 在训练一个TensorFlow模型之后，我们可以将训练好的模型保存成文件，这样可以方便下一次对新的数据进行预测的时候直接加载训练好的模型即可获得结果，下面通过TensorFlow提供的tf.train.Saver函数，将一个模型保存成文件，一般习惯性的将TensorFlow的模型文件命名为*.ckpt文件。 import tensorflow as tf if __nam
tensorflow（三） 模型保存
热门推荐
09-19 1万+
tensorflow最简单的保存与加载模型的方法是Saver对象（存放在tensorflow.train）。构造器给graph所有的变量，或者定义在列表中的变量，添加save和restore的操作，分别为保存和加载。变量保存在二进制的文件中，主要包含的是从变量名到tensor值的映射关系。保存变量 通过下面的一段代码穿件Saver对象来管理模型中的变量（默认情况下是所有的变量，也可以自行选择）。i
TensorFlow之模型保存与加载
wys的专栏
01-07 4846
本文主要描述TensorFlow之模型保存与加载的基本原理
TensorFlow 2.0 模型保存与转换：.pb格式详解
xziyuan的博客
07-08 1753
tensorflow原生保存的模型不适用于多平台使用，将模型转化为.pb格式，可以更加方便的转化为别的格式，本文主要介绍如何转化.pb格式。这种方式是训练完，然后使用tf.saved_model.save()函数保存模型，然后将模型转化为.pb格式.这种方式的好处是可以将别人训练好的.h5模型文件拿来转.pb模型。测试转化的.pb模型是否转化成功，能否加载。
tensorflow 保存模型
luoganttcc的博客
10-25 366
#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Thu Oct 25 15:29:59 2018 @author: lg """ import tensorflow as tf import numpy as np import matplotlib.pyplot as plt money=np.ar
tensorflow2.0知识之模型保存
微微一笑满城空
04-08 1169
文件夹以清晰的目录结构存储了模型的计算图结构、权重参数以及模型的输入输出签名信息。这种封装使得模型可以在不依赖原始训练代码的情况下被加载并执行推断，极大地简化了模型部署的过程。是 TensorFlow 推荐的模型持久化和部署的标准格式，它包含了模型的所有必要信息，使得模型可以在没有原始代码的情况下被加载并进行推断。需要注意的是，这种方式依然会保存模型的所有信息，即“网络结构、权重、配置、优化器状态”四个信息，所以可以接着训练。保存的 TensorFlow 模型是以。文件夹传输至目标位置即可。
TensorFlow之SavedModel模型保存和加载
IT菜鸟
01-18 4412
TensorFlow之SavedModel模型保存和加载
tensorflow保存模型
qq_44099721的博客
12-31 166
import tensorflow as tf # with tf.device('/gpu:0'): # V1 = tf.Variable(tf.constant(1.0, shape=[1]), name='V1') # V2 = tf.Variable(tf.constant(2.0, shape=[1]), name='V2') # result = V1 + V...
Tensorflow保存模型
yangjingyi0730的博客
04-05 261
https://www.jianshu.com/p/7ebee4d10e49这篇最新最全。
Tensorflow模型变量的保存
sunjianqiang12345的博客
11-01 437
1、tf.train.Saver(var_list=None, max_to_keep=5, keep_checkpoint_every_n_hours=10000.0) 。该方法用于保存和恢复变量。该类创建的对象可以“向checkpoints文件中保存变量”或“从checkpoints文件中恢复变量”。checkpoints文件为二进制编码文件。内容为变量名和tensor组成的键值对。 默认保...
TensorFlow中的模型保存文件
flyminnnnn的博客
06-09 1117
文件构成 由TensorFlow保存的训练模型文件由四个文件组成： . ├── checkpoint ├── v18.ckpt-2333.data-00000-of-00001 ├── v18.ckpt-2333.index └── v18.ckpt-2333.meta 每个文件的内容为： 文件 描述 checkpoint 指示文件夹中多个不同训练结果的属性，即如果在训练过程中保...
TensorFlow 模型的保存与恢复
AcceptedLin的博客
01-08 1040
                       TensorFlow 模型的保存与恢复 TensorFlow目前保存的模型文件主要有两种，ckpt与pb，二者之间的异同请见 https://zhuanlan.zhihu.com/p/32887066 CKPT，首先这种模型文件是依赖 TensorFlow 的，只能在其框架下使用；其次，在恢复模型之前还需要再定义一遍网络结构，然后才能把变量的值恢...
TensorFlow 模型保存与加载
最新发布
2511_93169783的博客
08-27 387
TensorFlow提供了多种模型保存与加载方式：1）保存完整模型（.h5格式）包含权重、架构和优化器状态；2）仅保存权重或架构；3）推荐使用SavedModel格式实现跨平台兼容；4）自定义模型需特殊处理；5）支持转换为TFLite格式供移动端使用。核心方法包括model.save()保存、load_model()加载，以及权重和架构的单独保存。这些方法支持模型部署到不同环境，同时保持训练状态和预测能力。
【深度学习】Tensorflow模型保存与恢复
zzmmjj的博客
07-20 848
tf.train.Saver()的定义与使用Saver对象：用于在tf中保存，恢复Session 定义model_path="/tmp/model.ckpt" saver=tf.train.Saver()Saver保存操作：saver.save(sess,model_path)save_path=saver.save(sess,model_path)Saver恢复操作：saver.restore(
tensorflow2模型保存导入
05-10
在 TensorFlow 2 中，保存和导入模型可以使用 `tf.keras` 模块的 API。以下是一个简单的示例： 1. 保存模型 ```python import tensorflow as tf # 定义模型 model = tf.keras.Sequential([ tf.keras.layers.Dense(64, activation='relu'), tf.keras.layers.Dense(10, activation='softmax') ]) # 编译模型 model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) # 训练模型 model.fit(x_train, y_train, epochs=10) # 保存模型 model.save('my_model') ``` 2. 导入模型 ```python import tensorflow as tf # 导入模型 loaded_model = tf.keras.models.load_model('my_model') # 使用模型进行推理 result = loaded_model.predict(x_test) ``` 在导入模型时，可以使用 `tf.keras.models.load_model` 函数加载已保存的模型。然后，您可以使用模型进行推理，就像在训练期间一样。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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