打印checkpoint参数

断点续训练实践

最新推荐文章于 2022-05-09 21:03:38 发布

原创最新推荐文章于 2022-05-09 21:03:38 发布 · 7.2k 阅读

0 ·

CC 4.0 BY-SA版权

代码专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了如何在深度学习项目中实现模型的断点续训练，包括如何使用TensorFlow检查点（ckpt）状态，恢复会话（sess），并读取模型参数。通过具体代码示例，读者可以了解到如何在训练过程中保存和加载模型，以便在意外中断后能够继续训练。

部署运行你感兴趣的模型镜像

      #断点续训练
      ckpt = tf.train.get_checkpoint_state(FLAGS.train_dir)
      if ckpt and ckpt.model_checkpoint_path:
          print('restore success ')
          
          saver.restore(sess,ckpt.model_checkpoint_path)
          reader = tf.train.NewCheckpointReader(ckpt.model_checkpoint_path)
#可以打印已知名字的参数          if not tensor_name:      
          print(reader.debug_string().decode("utf-8"))
#          else:      
#              print("tensor_name: ", tensor_name)      
#              print(reader.get_tensor(tensor_name))

您可能感兴趣的与本文相关的镜像