TensorFlow中Saver保存读取

最新推荐文章于 2024-03-01 11:46:28 发布

原创最新推荐文章于 2024-03-01 11:46:28 发布 · 745 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#Tensorflow #神经网络 #深度学习 #机器学习 #Saver

深度学习同时被 2 个专栏收录

34 篇文章

订阅专栏

TensorFlow学习笔记

20 篇文章

订阅专栏

本文详细介绍如何使用TensorFlow中的Saver组件来保存和加载神经网络的参数。首先通过实例演示了神经网络参数的保存过程，包括定义变量、初始化及使用Saver进行保存。接着介绍了如何重新定义相同形状和类型的变量并从中恢复之前保存的参数。

"微信公众号"

思考一个问题：

我们搭建好一个神经网络，用大量的数据训练好之后，肯定希望保存神经网络里面的参数，用于下次加载。那我们该怎么做呢？

TensorFlow为我们提供了Saver来保存和加载神经网络的参数。

一、保存

（1）import所需的模块，然后建立神经网络当中的W和b，并初始化变量。

import tensorflow as tf
import numpy as np

# Save to file
# remember to define the same dtype and shape when restore
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()

（2）保存时，首先要建立一个tf.train.Saver()用来保存，提取变量。再创建一个名为my_net的文件夹，用这个saver来保存变量到这个目录“my_net/save_net.ckp”。

saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init)
    save_path = saver.save(sess,"F:/my_net/save_net.ckpt")
    print("Save to path:",save_path)

（3）效果图：

（4）给出保存参数的完整代码。

import tensorflow as tf
import numpy as np

# Save to file
# remember to define the same dtype and shape when restore
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,"F:/my_net/save_net.ckpt")
    print("Save to path:",save_path)

二、提取

（1）提取时，先建立临时的W和b容器。找到文件目录，并用saver.restore()提取变量。

#conding:utf-8
import tensorflow as tf
import numpy as np

# restore variables
# 先建立W,b的容器
# 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:
    # 提取变量
    saver.restore(sess,"F:/my_net/save_net.ckpt")
    print("weights:",sess.run(W))
    print("biases:",sess.run(b))

观看视频笔记：https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/5-06-save/