Tensorflow保存和恢复模型

最新推荐文章于 2023-06-24 14:19:19 发布

我是小蚂蚁

最新推荐文章于 2023-06-24 14:19:19 发布

阅读量905

点赞数

分类专栏： tensorflow Tensorflow学习笔记文章标签： tensorflow

本文链接：https://blog.csdn.net/missyougoon/article/details/82783095

版权

本文介绍了如何在TensorFlow中使用Saver类来保存和恢复模型。通过`saver.save()`方法可以将训练过程中的模型状态保存到指定路径，而`saver.restore()`则用于从文件加载模型，继续训练或进行预测。

摘要由CSDN通过智能技术生成

方法

saver = tf.train.Saver()
获得一个文件句柄，将训练中的某一个快照状态保存到文件中去

saver.save(sess, os.path.join(model_dir, ‘ckp-%05d’%(i+1)))
将训练好的模型保存到文件中
sess：session会话
参数2：模型保存路径

saver.restore(sess, model_path)
从文件中恢复模型
sess：session会话
model_path：需要

演示

with tf.Session() as sess:
    sess.run( init ) # 注意: 这一步必须要有!!

    # 打开一个writer,向writer中写数据
    train_writer = tf.summary.FileWriter(train_log_dir, sess.graph) # 参数2:显示计算图
    test_writer = tf.summary.FileWriter(test_log_dir)
    
    fixed_test_batch_data, fixed_test_batch_labels = test_data.next_batch(batch_size)

    if os.path.exists(model_path + '.index'):
        saver.restore(sess, model_path)
        print(