TensorFlow 模型持久化

• 模型保存和还原都是通过TensorFlow的一个API实现的，这个API就是tf.train.saver类
• 保存模型
• eg:

import tensorflow as tf

#声明两个变量并计算他们的和
v1 = tf.Variable(tf.constant(1.0,shape=[1],name="v1"))
v2 = tf.Variable(tf.constant(2.0,shape=[1],name="v2"))

result = v1+v2

init_op = tf.initialize_all_variables()

# 声明tf.train.saver类用于保存模型
saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init_op)
    # 将模型保存到相关路径下
    saver.save(sess, "./model/ckpt")

结果为：

• 还原模型

import tensorflow as tf

#使用和保存时一样的代码声明两个变量并计算他们的和
v1 = tf.Variable(tf.constant(1.0,shape=[1],name="v1"))
v2 = tf.Variable(tf.constant(2.0,shape=[1],name="v2"))

result = v1+v2

init_op = tf.initialize_all_variables()

# 声明tf.train.saver类用于保存模型
saver = tf.train.Saver()

with tf.Session() as sess:
    saver.restore(sess,"./model/ckpt" )
    print(sess.run(result))

结果为：[3.]

 

参考：《TensorFlow：实战Google深度学习框架》