TensorFlow保存和加载模型

保存模型调用Saver，指定路径

 

import tensorflow as tf

#声明两个变量并计算它们的和。
v1 = tf.Variable(tf.constant(1.0,shape=[1]),name="v1")
v2 = tf.Variable(tf.constant(2.0,shape=[1]),name="v2")
result = tf.add(v1,v2,name="add")

init_op = tf.global_variables_initializer()
#声明tf.train.Saver 类用于保存模型。
saver = tf.train.Saver()

with tf.Session() as sess:
    sess.run(init_op)
    #将模型保存到指定路径的文件中
    saver.save(sess,"D:\Appium\Perculator\SaverModel\model")

 

在指定路径下，会生成如下文件：

 

接着，直接加载模型

import tensorflow as tf
#直接加载持久化的图。
saver = tf.train.import_meta_graph("D:\Appium\Perculator\SaverModel\model.meta")
with tf.Session() as sess:
    saver.restore(sess,tf.train.latest_checkpoint("D:\Appium\Perculator\SaverModel"))
    #通过张量的名称来获取张量。
    print (sess.run(tf.get_default_graph().get_tensor_by_name("add:0")))
    #输出[3.]

输出结果为：[3.]