Tensorflow学习笔记--模型保存与调取

最新推荐文章于 2022-09-06 16:47:58 发布

骆驼算法学习笔记

最新推荐文章于 2022-09-06 16:47:58 发布

阅读量1.2w

点赞数 2

CC 4.0 BY-SA版权

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/l18930738887/article/details/69808692

这篇笔记详细介绍了在TensorFlow中如何保存和加载模型，强调了保存时设置参数数据类型、命名以及加载时构建模型图的重要性。通过一个简单的错误示例，解释了权重名称不对应导致的加载问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

注：本文主要通过莫烦的python学习视频记录的内容，如果喜欢请支持莫烦python。谢谢

目前tf的模型保存其实只是参数保存，所以保存文件时你特别要主要以下几点：

1、一定要设定好参数的数据类型！

2、设定参数的名称，并且一一对应！

3、读取参数时，需要设定好模型图！

下面做一个简单的demo，供各位参考：

保存模型：

import tensorflow as tf
import numpy as np

## Save to file
# remember to define the same dtype and shape when restore
W = tf.Variable([[2,2,3],[3,4,5]], dtype=tf.float32, name='weights')
b = tf.Variable([[2,2,3]], 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.sa