在深度学习中,不管使用那种学习框架,我们会遇到一个很重要的问题,那就是在训练完之后,如何存储学习到的深度网络的参数?在测试时,如何调用这些网络参数?针对这两个问题,本篇博文主要探索TensorFlow如何解决他们?本篇博文分为三个部分,第一是讲解tensorflow相关的函数,第二是代码例程,第三是运行结果。
一 tensorflow相关的函数
我们说的这两个功能主要由一个类来完成,class tf.train.Saver
saver = tf.train.Saver()
save_path = saver.save(sess, model_path)
load_path = saver.restore(sess, model_path)
saver = tf.train.Saver() 由类创建对象saver,用于保存和调用学习到的网络参数,参数保存在checkpoints里
save_path = saver.save(sess, model_path) 保存学习到的网络参数到model_path路径中
load_path = saver.restore(sess, model_path) 调用model_path路径中的保存的网络参数到graph中
二 代码例程
'''
Save and Restore a model using TensorFlow.
This example is using the MNIST database of handwritten di