tf.train.Saver函数的用法之保存全部变量和模型

 

用于保存模型，以后再用就可以直接导入模型进行计算，方便。

例如：

[python]  view plain  copy

1. import tensorflow as tf;    
2. import numpy as np;    
3. import matplotlib.pyplot as plt;    
4.   
5. v1 = tf.Variable(tf.constant(1, shape=[1]), name='v1')  
6. v2 = tf.Variable(tf.constant(2, shape=[1]), name='v2')  
7.   
8. result = v1 + v2  
9.   
10. init = tf.initialize_all_variables()  
11.   
12. saver = tf.train.Saver()  
13.   
14. with tf.Session() as sess:  
15.     sess.run(init)  
16.     saver.save(sess, "/home/penglu/Desktop/lp/model.ckpt")  
17.     # saver.restore(sess, "/home/penglu/Desktop/lp/model.ckpt")  
18.     # print sess.run(result)  

结果：

下次需要使用模型就可以用下面的代码：

[python]  view plain  copy

1. import tensorflow as tf;    
2. import numpy as np;    
3. import matplotlib.pyplot as plt;    
4.   
5. v1 = tf.Variable(tf.constant(1, shape=[1]), name='v1')  
6. v2 = tf.Variable(tf.constant(2, shape=[1]), name='v2')  
7.   
8. result = v1 + v2  
9.   
10. init = tf.initialize_all_variables()  
11.   
12. saver = tf.train.Saver()  
13.   
14. with tf.Session() as sess:  
15.     saver.restore(sess, "/home/penglu/Desktop/lp/model.ckpt")  
16.     print sess.run(result)  

[python]  view plain  copy

1.   

[python]  view plain  copy

1. 或者这个代码：  

[python]  view plain  copy

1. import tensorflow as tf;    
2. import numpy as np;    
3. import matplotlib.pyplot as plt;  

[python]  view plain  copy

1. saver = tf.train.import_meta_graph('/home/penglu/Desktop/lp/model.ckpt.meta')  
2. with tf.Session() as sess:  
3. <span style="white-space:pre">  </span>saver.restore(sess, "/home/penglu/Desktop/lp/model.ckpt")  
4. <span style="white-space:pre">  </span>print sess.run(tf.get_default_graph().get_tensor_by_name('add:0'))