??我們通常采用tensorflow來訓(xùn)練，訓(xùn)練完之后應(yīng)當(dāng)保存模型,即保存模型的記憶（權(quán)重和偏置），這樣就可以來進(jìn)行人臉識(shí)別或語音識(shí)別了。

??1.模型的保存

# 聲明兩個(gè)變量 v1 = tf.Variable(tf.random_normal([1, 2]), name="v1") v2 = tf.Variable(tf.random_normal([2, 3]), name="v2") init_op = tf.global_variables_initializer() # 初始化全部變量 saver = tf.train.Saver() # 聲明tf.train.Saver類用于保存模型 with tf.Session() as sess:sess.run(init_op)print("v1:", sess.run(v1)) # 打印v1、v2的值一會(huì)讀取之后對(duì)比print("v2:", sess.run(v2))#定義保存路徑，一定要是絕對(duì)路徑，且用‘/ ’分隔父目錄與子目錄saver_path = saver.save(sess, "C:/Users/Administrator/Desktop/tt/model.ckpt") # 將模型保存到save/model.ckpt文件print("Model saved in file:", saver_path)

??2.模型的讀取
????????直接讀取模型時(shí)，可能會(huì)報(bào)錯(cuò)，我是用Spyder編譯的，可以把Spyder關(guān)掉，再重新打開，就可以讀取數(shù)據(jù)了。原因可能是：在模型保存時(shí)將變量初始化了。

import tensorflow as tf# 使用和保存模型代碼中一樣的方式來聲明變量 v1 = tf.Variable(tf.random_normal([1, 2]), name="v1") v2 = tf.Variable(tf.random_normal([2, 3]), name="v2") saver = tf.train.Saver() # 聲明tf.train.Saver類用于保存模型 with tf.Session() as sess:saver.restore(sess, "C:/Users/Administrator/Desktop/tt/model.ckpt") # 即將固化到硬盤中的Session從保存路徑再讀取出來print("v1:", sess.run(v1)) # 打印v1、v2的值和之前的進(jìn)行對(duì)比print("v2:", sess.run(v2))print("Model Restored")

總結(jié)

以上是生活随笔為你收集整理的tensorflow 的模型保存和调用的全部?jī)?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(cuò)，歡迎將生活随笔推薦給好友。