引言
持久化,就是能够把当前模型以及模型的参数能够保持下来,用于下次使用。
1. 持久化代码实现-保存
TensorFlow提供 API,即tf.train.Saver()类
##持久化代码实现
import tensorflow as tf
v1=
v2=
result=v1+v2
init_op=global_variables_initializer()
saver=tf.train.Saver()
with tf.Session() as sess:
sess.run(init_op)
saver.save(sess,"path/.ckpt")
TensorFlow会自动保存一个.meta的文件,该文件保存结构;.ckpt文件只是保存参数。
2. 模型加载
##加载
saver=tf.train.import_meta_graph(".meta")
with tf.Session as sess:
saver.restore(sess,"/path/.ckpt")
print(sess.run(tf.get_default_graph().get_tensor_by_name("add:0"))
2.2 变量重命名
v1 = tf.Variable(tf.constant(1.0, shape=[1]), name = "other-v1")
v2 = tf.Variable(tf.constant(2.0, shape=[1]), name = "other-v2")
saver = tf.train.Saver({"v1": v1, "v2": v2})
print(v1)