python tensorflow学习（五）tensorflow模型的保存与恢复

最新推荐文章于 2021-10-08 15:57:14 发布

lzrrrrr

最新推荐文章于 2021-10-08 15:57:14 发布

阅读量775

点赞数

分类专栏： tensorflow 文章标签： tesorflow python 模型保存与恢复

本文链接：https://blog.csdn.net/lzr_ps/article/details/95659246

版权

本文详细介绍了TensorFlow模型的保存与恢复，包括简单的保存恢复方法和如何对特定权重进行恢复处理。通过Saver类的save和restore方法，以及使用variable_scope进行命名，可以实现模型的完整或部分恢复。

摘要由CSDN通过智能技术生成

tensorflow模型的保存与恢复

今天不想学习，缓一缓呀，上一章用到了tensorflow模型的保存，今天详细的再学一学。
大纲：

Saver是tensorflow中的保存类，其常用方法为save和restore 分别用于模型的保存和恢复。
一般的保存方式为：

save_path = "..."  # 自行填入保存地址
saver = tf.train.Saver()
Sess = tf.Session()
...
# 模型定义
...
saver.save(sess, save_path)

结果会有如下几个文件：
在这里插入图片描述
其中，
checkpoint为检查点文件，记录存储文件的名称
.ckpt.index存储权重目录
.ckpt.meta存储整个数据流图
.ckpt.data存储所有权重
同时，也可以多次通过设置global_step多次保存模型：

for i in range(100):
   saver

关注

专栏目录