tensorflow中checkpoint断点生成,保存,下载参数续训。

本文介绍如何使用四段简单的TensorFlow代码实现模型参数的保存、下载及续训练过程。首先设定检查点文件路径,接着通过判断索引文件的存在来决定是否加载已保存的模型权重。然后定义回调函数以便在训练过程中自动保存模型参数。

四段代码实现参数保存、下载、续训练

1.设置ckpt文件保存路径

其中保存有模型参数(特定文件类型


checkpoint_save_path = "checkpoint/mnist.ckpt"

2.判断是否有索引,如果保存了参数模型,会有相应索引文件

if os.path.exists(checkpoint_save_path + '.index'):
    print("---------------loading the model---------------")
    model.load_weights(checkpoint_save_path)

3.callback定义模型参数保存相关内容

cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_save_path,
                                                 # save_best_only=True,
                                                 save_weights_only=
评论 4
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
 条评论被折叠 查看
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

打赏作者

plus_left

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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