# -*- coding: utf-8 -*-
import tensorflow as tf
import tensorflow.examples.tutorials.mnist.input_data as input_data
mnist = input_data.read_data_sets("E:/mnist/", one_hot=True)
def weight(shape):
return tf.Variable(tf.truncated_normal(shape, stddev=0.1),#truncated_nomal表示从截断的正态分布中输出随机值,stddev是标准差,shape表示生成长量的维度。
name ='W')
def bias(shape):
return tf.Variable(tf.constant(0.1, shape=shape) #bias的常数设置为0.1
, name = 'b')
def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1,1,1,1], #x是输入,W是filter,strides卷积时在图像每一维的步长,这是一个一维的向量,[ 1, strides, strides, 1],第一位和最后一位固定必须是1
padding='SAME') #‘SAME’是考虑边界,不足的时候用0去填充周围,‘VALID’则不考虑
def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize=[1,2,2,1],
strides=[1,2,2,
如何将tensorflow训练好的参数冻结成pb文件
最新推荐文章于 2022-11-12 18:08:09 发布
本文提供了将使用TensorFlow训练好的模型参数冻结为.pb文件的代码示例,便于后期部署和应用。详细解释将在后续文章中更新。
摘要由CSDN通过智能技术生成