Tensorflow学习笔记:CNN篇(7)——Finetuning,模型的保存与恢复
前序
— 前文,我们介绍了VGGNet的组成结构,并在CIFAR-10数据集上进行了实现,本文着重介绍Finetuning的能力。Finetuning的意思是在已有模型之后进行参数和训练模型复用的缩写,也是真实工程应用中最常用的的是由既有模型的手段。
实战Tensorflow模型的存储与恢复
— 随着模型形式的越来越复杂,对模型存储的要求和格式也越来越重要。借鉴敏捷开发的模型,首先对于常用变量的定义,笔者建议使用全部变量进行存储;而对于模型专用的类,也建议创建专门的模型控制。工程文件的分类如图所示:
代码示例
Step 1: 全局数据与模型类的定义
首先是对全局数据的定义,对模型的保存和读取来说,存储文件夹是个通用的变量,故在工程目录下新建一个名为global_variable .py文件,定义了文件的存储位置,其内容如下:
save_path = '.\\model\\'
Step 2: 模型的定义
这里定义了一个线性回归模型,在工程目录下新建一个名为lineRegulation_model .py文件,将其定义为类使用,这样做的好处是使用相同的创建方法将类的定义放在不同文件中,也就是在训练模型和