模型的保存與恢復(fù)

我們來簡單實現(xiàn)一下模型的保存與恢復(fù)

訓(xùn)練完TensorFlow模型后，可將其保存為文件，以便于預(yù)測新數(shù)據(jù)時直接加載使用。

TensorFlow模型主要包含網(wǎng)絡(luò)的設(shè)計或者圖以及已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)參數(shù)的值。

TensorFlow提供的tf.train.Saver()函數(shù)可以建立一個saver對象，在會話中調(diào)用其save（）函數(shù)，即可將模型保存起來

save()函數(shù)的用法

函數(shù)	說明
save( ????? sess, ????? sace_path, ????? global_step=None, ????? latest_filename=None, ????? meta_graph_suffix='meta', ????? write_meta_graph=True, ????? write_state=True )	sess:保存模型，要求必須有一個加載了計算圖的會話，且所有變量已被初始化。 sace_path：模型保存路徑及保存名稱 global_step：如果提供，該數(shù)字會添加到save_path后，用于區(qū)分不同訓(xùn)練階段的結(jié)果 latest_filename：檢查點文件的名稱，默認(rèn)是checkpoint meta_graph_suffix= MetaGraphDef元圖后綴,默認(rèn)為meta write_meta_graph=是否要保存元圖數(shù)據(jù)，默認(rèn)為True write_state：是否要保存CheckpointStateProto，默認(rèn)為True

模型保存

import tensorflow as tf m1 = tf.Variable(tf.constant([[1.0,3.0],[2.0,4.0]],shape=[2,2]),name='m1') m2 = tf.Variable(tf.constant([[2.0,7.0],[3.0,8.0]],shape=[2,2]),name='m2') result = m1 + m2 saver = tf.train.Saver() with tf.Session() as sess:sess.run(tf.global_variables_initializer())print('resulit:',sess.run(result))saver.save(sess,'C:/model/model.ckpt')

運(yùn)行程序，當(dāng)前目錄的model文件夾下會產(chǎn)生4個文件：checkpoint,data-00000-of-00001,meta和index

checkpoint：保存模型的權(quán)重、偏置、梯度以及其他保護(hù)變量的二進(jìn)制文件。

data：保存模型的所有變量的值

meta：保存計算圖的結(jié)構(gòu)。當(dāng)meta文件存在時，不在程序中定義模型，直接加載meta可以直接運(yùn)行

index：保存string-string的鍵值對。其中的key值為張量名，value為BundleEntryProto

模型恢復(fù)

模型保存好了以后，載入發(fā)出方便。

在會話中調(diào)用saver的restore()函數(shù)，就會從指定的路徑找到模型文件，并覆蓋相關(guān)參數(shù)。

saver.restore()函數(shù)的形式如表

函數(shù)	說明
saver.restore( ??? sess, ??? save_path )	從指定的路徑恢復(fù)模型。 sess：用于恢復(fù)參數(shù)模型的會話 save_path：已保存模型的路徑，通常包含模型名字

import tensorflow as tf tf.reset_default_graph() v1 = tf.Variable(tf.constant([[5.0,6.0],[7.0,7.0]],shape=[2,2]),name='m1') v2 = tf.Variable(tf.constant([[4.0,6.0],[7.0,8.0]],shape=[2,2]),name='m2') result = v1 + v2 saver = tf.train.Saver() with tf.Session() as sess:saver.restore(sess,'C:/model/model.ckpt')print(sess.run(result))

?

總結(jié)

以上是生活随笔為你收集整理的TensorFlow实验（3）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。