提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
提示:以下是本篇文章正文内容,下面案例可供参考
tf.Variable()函数
两者是完全相同的,tensorflow的官方文档中说明tf.initialize_all_variables()将被放弃使用,因此推荐使用tf.global_variables_initializer()!
作用:返回一个op,作用是初始化所有的全局变量
别名:tf.initializers.global_variables()
对tf.global_variables_initializer()的具体解释:在一个session中运行过tf.global_variables_initializer()后,变量才会持有赋给它们的初始化的值(在我们之前定义过的tf.Variable(tf.zeros(…)), tf.Variable(tf.random_normal(…))中)
在TensorFlow的世界里,变量的定义和初始化是分开的,所有关于图变量的赋值和计算都要通过tf.Session的run来进行。将所有图变量进行集体初始化时应该使用tf.global_variables_initializer。
二、使用步骤
1.saver
1.首先无论保存还是恢复都需要实例化一个tf.train.Saver方法
Saver = tf.train.Saver()
2.保存saver.save(sess,”路径.ckpt”)
3.重载saver.restore(sess, “路径.ckpt”)
saver = tf.train.Saver() #用前的声明
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())#数据初始化 别忘了
saver.save(sess,"./path/你的地址保存成ckpt文件**.ckpt")
#实际上模型保存会生成文件:.ckpt(变量取值) .ckpt.meta(网络结构) checkpoint(文件列表)等
#saver.save(sess,”路径”, global_step=global_step)
2.恢复数据
在保存了一个模型之后,我们使用saver.restore( )来恢复模型。恢复操作也需要在session会话中。我们可以创建一个新的会话:
saver = tf.train.Saver() #用前的声明
with tf.Session() as sess:
#加载.ckpt文件和原来代码区别:无需数据初始化,但图结构还需定义
saver.restore(sess,"./path/你的地址保存成ckpt文件**.ckpt") #无需数据初始化了
总结
提示:这里对文章进行总结: