參數初始化：

sess = tf.InteractiveSession() sess.run(tf.global_variables_initializer()) # 初始化模型的參數

參數保存：

saver = tf.train.Saver() save_path = saver.save(sess, "E:\\projects\\PycharmProjects\\OCR\\model\\") print(save_path)

在訓練循環中，定期調用 saver.save() 方法，向文件夾中寫入包含了當前模型中所有可訓練變量的 checkpoint 文件。
saver.save(sess, FLAGS.train_dir, global_step=step)
global_step是訓練的第幾步

保存參數：

import tensorflow as tfW = tf.Variable([[1, 2, 3]], dtype=tf.float32) b = tf.Variable([[1]], dtype=tf.float32)saver = tf.train.Saver() sess = tf.InteractiveSession() tf.global_variables_initializer().run() # 必須要指定文件夾，保存到ckpt文件 save_path = saver.save(sess, "winycg/1.ckpt") print(save_path)

參考博文： https://blog.csdn.net/winycg/article/details/78572438

總結

以上是生活随笔為你收集整理的DeepLearning：tensorflow 参数初始化和参数保存的全部內容，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。