TensorFlow 模型的保存與恢復

---

1. 模型的保存

• 定義圖中創建對象：
  saver = tf.train.Saver() #保存所有variable
  saver = tf.train.Saver([v1,v2])#只保存列表中的variable
  saver = tf.train.Saver({‘v1’:v1,’v2’:v2}) #只保存字典中的variable
• 運行圖中保存模型：
  saver.save(sess, “/temp/tfmodel”，step)

saver = tf.train.Saver() with tf.Session as sess#保存在當前文件夾下的temp文件夾，模型名為tfmodelsaver.save(sess, "/temp/tfmodel", total_step)

---

2. 模型的恢復

需重新定義網絡結構的方法：

• 定義圖中創建對象：
  saver = tf.train.Saver()
• 運行圖中恢復模型：
  saver.restore(sess, “/temp/tfmodel”)

不需重新定義網絡結構的方法：

sess=tf.InteractiveSession() #restore graph new_saver=tf.train.import_meta_graph('/temp/tfmodel-1000.meta')#restore parameters new_saver.restore(sess,"/temp/tfmodel-1000")graph = tf.get_default_graph() #根據op的名稱獲得相應的參數 x=graph.get_operation_by_name('x_input').outputs[0] #在構建圖中添加tf.add_to_collection('predict', y) 以便在加載模型時使用 y=tf.get_collection("predict")[0]

---

總結

以上是生活随笔為你收集整理的TensorFlow 笔记3--模型的保存与恢复的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。